【重要】有关Lucene的问题 影响Lucene对文档打分的四种方式.docVIP

 HYPERLINK /category/95698 /category/95698 在索引阶段设置Document Boost和Field Boost，存储在(.nrm)文件中。 如果希望某些文档和某些域比其他的域更重要，如果此文档和此域包含所要查询的词则应该得分较高，则可以在索引阶段设定文档的boost和域的boost值。 这些值是在索引阶段就写入索引文件的，存储在标准化因子(.nrm)文件中，一旦设定，除非删除此文档，否则无法改变。 如果不进行设定，则Document Boost和Field Boost默认为1。 Document Boost及FieldBoost的设定方式如下： Document doc = new Document(); Field f = new Field(contents, hello world, Field.Store.NO, Field.Index.ANALYZED); f.setBoost(100); doc.add(f); doc.setBoost(100);两者是如何影响Lucene的文档打分的呢？ 让我们首先来看一下Lucene的文档打分的公式： score(q,d)?? =??? HYPERLINK /forfuture1978/ \l formula_coord coord(q,d)? ·?? HYPERLINK /forfuture1978/ \l formula_queryNorm queryNorm(q)? ·??∑(? HYPERLINK /forfuture1978/ \l formula_tf tf(t in d)? ·?? HYPERLINK /forfuture1978/ \l formula_idf idf(t)2? ·?? HYPERLINK /forfuture1978/ \l formula_termBoost t.getBoost()?·?? HYPERLINK /forfuture1978/ \l formula_norm norm(t,d)?) ?????????????????????????????????????????????????????????????????????? t in qDocument Boost和Field Boost影响的是norm(t, d)，其公式如下： norm(t,d)?? =??? HYPERLINK /org/apache/lucene/document/Document.html \l getBoost() doc.getBoost()? ·?? HYPERLINK /org/apache/lucene/search/Similarity.html \l lengthNorm(java.lang.String,%20int) lengthNorm(field)? ·??∏ HYPERLINK /org/apache/lucene/document/Fieldable.html \l getBoost() f.getBoost() field?f?in?d?named as?t它包括三个参数： Document boost：此值越大，说明此文档越重要。 Field boost：此域越大，说明此域越重要。 lengthNorm(field) = (1.0 / Math.sqrt(numTerms))：一个域中包含的Term总数越多，也即文档越长，此值越小，文档越短，此值越大。 其中第三个参数可以在自己的Similarity中影响打分，下面会论述。 当然，也可以在添加Field的时候，设置Field.Index.ANALYZED_NO_NORMS或Field.Index.NOT_ANALYZED_NO_NORMS，完全不用norm，来节约空间。 根据Lucene的注释，No norms means that index-time field and document boosting and field length normalization are disabled.? The benefit is less memory usage as norms take up one byte of RAM per indexed field for every document in the index, during searching.? Note that once you index a given field with norms enabled, disabling norms will have no effect. 没有no