Lucene相关度排序

什么是相关度排序

Lucene对查询关键字和索引文档的相关度进行打分，得分高的就排在前边。

如何打分

Lucene是在用户进行检索时实时根据搜索的关键字计算出来的，分两步：

1. 计算出词（Term）的权重
2. 根据词的权重值，计算文档相关度得分。明确索引的最小单位是一个Term(索引词典中的一个词)，搜索也是要从Term中搜索，再根据Term找到 文档，Term对文档的重要性称为权重，影响Term权重有两个因素： 2.1 Term Frequency (tf)： 指此Term在此文档中出现了多少次。tf 越大说明越重要。 词(Term)在文档 中出现的次数越多，说明此词(Term)对该文档越重要，如“Lucene”这个词，在文档中出现的次数 很多，说明该文档主要就是讲Lucene技术的 2.2 Document Frequency (df)： 指有多少文档包含次Term。df 越大说明越不重要。 比如，在一篇英 语文档中，this出现的次数更多，就说明越重要吗？不是的，有越多的文档包含此词(Term), 说明 此词(Term)太普通，不足以区分这些文档，因而重要性越低。

怎样影响相关度排序

boost是一个加权值（默认加权值为1.0f），它可以影响权重的计算

• 在索引时对某个文档中的field设置加权值高，在搜索时匹配到这个文档就可能排在前边。
• 在搜索时对某个域进行加权，在进行组合域查询时，匹配到加权值高的域最后计算的相关度得分就 高。 设置boost是给域（field）或者Document设置的