Lucene的评分(score)机制的简单解释

通过Searcher.explain(Query query, int doc)方法可以查看某个文档的得分的具体构成。

在Lucene中score简单说是由 tf * idf * boost * lengthNorm计算得出的。

tf:是查询的词在文档中出现的次数的平方根
idf:表示反转文档频率,观察了一下所有的文档都一样,所以那就没什么用处,不会起什么决定作用。
boost:激励因子,可以通过setBoost方法设置,需要说明的通过field和doc都可以设置,所设置的值会同时起作用
lengthNorm:是由搜索的field的长度决定了,越长文档的分值越低。

所以我们编程能够控制score的就是设置boost值。

还有个问题,为什么一次查询后最大的分值总是1.0呢?
因为Lucene会把计算后,最大分值超过1.0的分值作为分母,其他的文档的分值都除以这个最大值,计算出最终的得分。

下面用代码和运行结果来进行说明:

Java代码
public class ScoreSortTest {
	public final static String INDEX_STORE_PATH = "index";
	public static void main(String[] args) throws Exception {
		IndexWriter writer = new IndexWriter(INDEX_STORE_PATH, new StandardAnalyzer(), true);
		writer.setUseCompoundFile(false);
		
		Document doc1 = new Document();
		Document doc2 = new Document();
		Document doc3 = new Document();
		
		Field f1 = new Field("bookname","bc bc", Field.Store.YES, Field.Index.TOKENIZED);
		Field f2 = new Field("bookname","ab bc", Field.Store.YES, Field.Index.TOKENIZED);
		Field f3 = new Field("bookname","ab bc cd", Field.Store.YES, Field.Index.TOKENIZED);
		
		doc1.add(f1);
		doc2.add(f2);
		doc3.add(f3);
		
		writer.addDocument(doc1);
		writer.addDocument(doc2);
		writer.addDocument(doc3);
		
		writer.close();
		
		IndexSearcher searcher = new IndexSearcher(INDEX_STORE_PATH);
		TermQuery q = new TermQuery(new Term("bookname", "bc"));
		q.setBoost(2f);
		Hits hits = searcher.search(q);
		for(int i=0; i

运行结果: 

引用
bc bc	 0.629606 
0.629606 = (MATCH) fieldWeight(bookname:bc in 0), product of: 
  1.4142135 = tf(termFreq(bookname:bc)=2) 
  0.71231794 = idf(docFreq=3, numDocs=3) 
  0.625 = fieldNorm(field=bookname, doc=0) 

ab bc	 0.4451987 
0.4451987 = (MATCH) fieldWeight(bookname:bc in 1), product of: 
  1.0 = tf(termFreq(bookname:bc)=1) 
  0.71231794 = idf(docFreq=3, numDocs=3) 
  0.625 = fieldNorm(field=bookname, doc=1) 

ab bc cd	 0.35615897 
0.35615897 = (MATCH) fieldWeight(bookname:bc in 2), product of: 
  1.0 = tf(termFreq(bookname:bc)=1) 
  0.71231794 = idf(docFreq=3, numDocs=3) 
  0.5 = fieldNorm(field=bookname, doc=2) 

从结果中我们可以看到:
bc bc文档中bc出现了2次,tf为2的平方根,所以是1.4142135。而其他的两个文档出现了一次,所以是1.0
所有的三个文档的idf值都是一样的,是0.71231794
默认情况下,boost的值都是1.0,所以lengthNorm就是当前的fieldNorm的值。前两个文档的长度一致,为0.625,而排在最后的文档,因为长度要长一些,所以分值要低,为0.5

现在对f2这个字段增加激励因子:f2.setBoost(2.0f);
运行结果变为:

引用
ab bc	 0.8903974 
0.8903974 = (MATCH) fieldWeight(bookname:bc in 1), product of: 
  1.0 = tf(termFreq(bookname:bc)=1) 
  0.71231794 = idf(docFreq=3, numDocs=3) 
  1.25 = fieldNorm(field=bookname, doc=1)

发现fieldNorm值有0.625变成了1.25,所以就是乘以了2.0

接下来再对第二个文档增加激励因子:doc2.setBoost(2.0f);
运行结果变为:

引用
ab bc	 1.0 
1.7807949 = (MATCH) fieldWeight(bookname:bc in 1), product of: 
  1.0 = tf(termFreq(bookname:bc)=1) 
  0.71231794 = idf(docFreq=3, numDocs=3) 
  2.5 = fieldNorm(field=bookname, doc=1)

发现fieldNorm又乘以了2,所以说对于Document和Field的setBoost都会乘到一起。

因为该文档的最终的score超过了1.0变成1.7807949,所以其他的两个文档的最终得分都要除以该值,
分别变成:

引用

bc bc 0.35355335
ab bc cd 0.19999999

相信通过上面的解释,大家就可以形象得理解Lucene的打分机制,同时也知道如何来改变文档的得分。

Lucene的评分(score)机制的简单解释》有1个想法

  1. 脑袋说道:

    grantbb.iteye.com/blog/181802

发表评论

返回顶部