索引中现有文档的 IDF 重新计算？

Question

我已经浏览了[相关性评分背后的理论][1]，并得到了两个相关问题

Q1 :- 因为 IDF 公式是 idf(t) = 1 + log ( numDocs / (docFreq + 1))，其中 numDocs 是索引中的文档总数。是否意味着每次在索引中添加新文档时，我们需要重新计算索引中所有现有文档的每个单词的IDF？

Q2 :- 下面提到的链接。我的问题是，为什么要针对每个字段而不是完整文档计算 TF/IDF 分数？

当我们在前面的公式中引用文档时，我们实际上是 谈论文档中的一个字段。每个领域都有自己的 倒排索引，因此，出于 TF/IDF 的目的，字段的值 是文档的价值。

Answer 1

1. 您只在查询时而不是在插入时计算分数。 Lucene 具有正确的统计数据，可以快速计算，并且值始终是最新的。
2. 频率仅对单个字段才真正有意义，因为您对特定字段的值感兴趣。假设我们有多个字段并且我们搜索一个字段，那么我们只对那个字段的频率感兴趣。搜索多个您仍然希望控制单个字段（例如将“标题”提升到“正文”）或想要定义如何组合它们的多个字段。如果您有一个没有意义的用例（不确定我现在是否有一个很好的例子——这在 IMO 中远不常见），那么您可以使用 copy_to 将多个字段合并为一个并进行搜索。李>