【发布时间】：2017-09-08 07:28:01
【问题描述】：
我正在使用 SOLR 在我的应用程序中存储搜索所使用的文档。 SOLR 由多个应用程序共享，数据根据每个应用程序唯一的应用程序 ID 进行分组。
为了根据 TF-IDF 计算分数，SOLR 使用其中可用的总文档数。如何更改该配置以仅根据可用于应用程序 ID 的文档总数而不是计算跨应用程序的所有文档来检查 IDF。
【问题讨论】：
【发布时间】：2017-09-08 07:28:01
【问题描述】：
即使您将所有文档存储在一个集合中，您仍然可以做一些事情！
除非你像这样在你的 solrconfig.xml 中启用ExactStatsCache：
<statsCache class="org.apache.solr.search.stats.ExactStatsCache"/>
相似度计算是按分片计算的，而不是按总集合计算的。
因此，如果您按 application_id 对文档进行分片，那么您将获得“更好”的分数，更接近您想要的分数。 如果您为每个分片获得一个 application_id，这正是您想要的，但如果您有很多应用程序并且分片不多，那么每个分片将获得多个应用程序。
【讨论】：
如果您将它们存储在一个集合中，恐怕使用内置功能是不可能的。
我认为您有多种选择 - 将每个应用程序数据存储在单独的集合中，而不是您将拥有仅基于特定应用程序数据的 IDF。
如果这不适合您 - 您将需要编写自己的相似度，可能通过扩展 https://lucene.apache.org/core/6_6_0/core/org/apache/lucene/search/similarities/TFIDFSimilarity.html 并覆盖负责计算 IDF 的方法 public abstract float idf(long docFreq, long docCount)
总的来说，我认为第一种方法会更好地满足您的需求。
【讨论】：