Lucene 如何计算多字段分数？答案

【问题标题】：How does Lucene compute multifield score?Lucene 如何计算多字段分数？
【发布时间】：2009-04-24 12:57:10
【问题描述】：

这是 Lucene 评分公式：

score(q,d) = coord(q,d) · queryNorm(q) · ∑ ( tf(t in d) · idf(t)2 · t.getBoost() · norm(t,d))

多字段评分呢？

分数是直接求和或平均还是..？

【问题讨论】：

标签： lucene information-retrieval

【解决方案1】：

你可以在Similarity课堂阅读评分详情。在这个等式中，当参数实际表示字段时，参考文档引用参数。因此，术语频率是文档中给定字段中术语的频率。这会自动处理多个字段的查询。

KenE 上面的回答是不正确的。（等式中没有 MAX 运算符。）字段上每个查询的分数加起来就是最终分数。对于查询 (name:bill OR gender:male)，结果是 (name:bill) 和 (gender:male) 的得分之和。通常，同时满足这两个标准的文档将得分更高（由于总和）并出现。

【讨论】：

【解决方案2】：

这取决于操作。如果您正在执行 OR （姓名：比尔 OR 性别：男性），则需要两者中的最大值。如果你在做 AND，它会做一个 sum。

【讨论】：

【解决方案3】：

Shashikant Kore 正确地说每个字段的分数是相加的。然而，这仅在 queryNorm 和 coord 因素的贡献之前是正确的，这意味着最终的分数不可能加起来。

每个分数都乘以 queryNorm 因子，该因子是针对每个查询计算的，因此对于 (name:bill)、(gender:male) 和 (name:bill OR gender:male) 中的每一个都不同。组合查询的 queryNorm 也不仅仅是两个单项查询的 queryNorms 的总和。因此，只有将每个分数除以该查询的 queryNorm 因子时，分数才会相加。

coord 因素也可能产生部分影响：默认计分器将分数乘以匹配的查询词的比例。因此，您只能在考虑所有术语匹配的queryNorm（或禁用coord）后才能依赖求和。

您可以使用 explain 功能准确地计算分数，该功能在 Solr 中通过 debugQuery=true 参数提供。

【讨论】：

【解决方案4】：

使用 lucene 的默认相似度得分，我使用了布尔查询并得到了最终公式如下：（对不起，它在 latex）

score(q, d) = \sum_{f \in fields} \sum_{t \in query} idf(t, f) queryNorm(query) \times idf(t, f) tf(t, d, f) fieldNorm(f)

【讨论】：

这是基于 lucene 5_3_0