Lucene的評分(score)機制的簡單解釋

• 博客分類：
• Lucene

lucene編程Apachethread? 通過Searcher.explain(Query query, int doc)方法可以查看某個文檔的得分的具體構成。

在Lucene中score簡單說是由 tf * idf * boost * lengthNorm計算得出的。

tf：是查詢的詞在文檔中出現的次數的平方根
idf：表示反轉文檔頻率，觀察了一下所有的文檔都一樣，所以那就沒什么用處，不會起什么決定作用。
boost：激勵因子，可以通過setBoost方法設置，需要說明的通過field和doc都可以設置，所設置的值會同時起作用
lengthNorm：是由搜索的field的長度決定了，越長文檔的分值越低。

所以我們編程能夠控制score的就是設置boost值。

還有個問題，為什么一次查詢后最大的分值總是1.0呢？
因為Lucene會把計算后，最大分值超過1.0的分值作為分母，其他的文檔的分值都除以這個最大值，計算出最終的得分。

下面用代碼和運行結果來進行說明：
Java代碼 ?

public?class?ScoreSortTest?{??

????public?final?static?String?INDEX_STORE_PATH?=?"index";??

????public?static?void?main(String[]?args)?throws?Exception?{??

????????IndexWriter?writer?=?new?IndexWriter(INDEX_STORE_PATH,?new?StandardAnalyzer(),?true);??

????????writer.setUseCompoundFile(false);??

??????????

????????Document?doc1?=?new?Document();??

????????Document?doc2?=?new?Document();??

????????Document?doc3?=?new?Document();??

??????????

????????Field?f1?=?new?Field("bookname","bc?bc",?Field.Store.YES,?Field.Index.TOKENIZED);??

????????Field?f2?=?new?Field("bookname","ab?bc",?Field.Store.YES,?Field.Index.TOKENIZED);??

????????Field?f3?=?new?Field("bookname","ab?bc?cd",?Field.Store.YES,?Field.Index.TOKENIZED);??

??????????

????????doc1.add(f1);??

????????doc2.add(f2);??

????????doc3.add(f3);??

??????????

????????writer.addDocument(doc1);??

????????writer.addDocument(doc2);??

????????writer.addDocument(doc3);??

??????????

????????writer.close();??

??????????

????????IndexSearcher?searcher?=?new?IndexSearcher(INDEX_STORE_PATH);??

????????TermQuery?q?=?new?TermQuery(new?Term("bookname",?"bc"));??

????????q.setBoost(2f);??

????????Hits?hits?=?searcher.search(q);??

????????for(int?i=0;?i<hits.length();i++){??

????????????Document?doc?=?hits.doc(i);??

????????????System.out.print(doc.get("bookname")?+?"\t\t");??

????????????System.out.println(hits.score(i));??

????????????System.out.println(searcher.explain(q,?hits.id(i)));//??

????????}??

????}??

}??

public class ScoreSortTest {public final static String INDEX_STORE_PATH = "index";public static void main(String[] args) throws Exception {IndexWriter writer = new IndexWriter(INDEX_STORE_PATH, new StandardAnalyzer(), true);writer.setUseCompoundFile(false);Document doc1 = new Document();Document doc2 = new Document();Document doc3 = new Document();Field f1 = new Field("bookname","bc bc", Field.Store.YES, Field.Index.TOKENIZED);Field f2 = new Field("bookname","ab bc", Field.Store.YES, Field.Index.TOKENIZED);Field f3 = new Field("bookname","ab bc cd", Field.Store.YES, Field.Index.TOKENIZED);doc1.add(f1);doc2.add(f2);doc3.add(f3);writer.addDocument(doc1);writer.addDocument(doc2);writer.addDocument(doc3);writer.close();IndexSearcher searcher = new IndexSearcher(INDEX_STORE_PATH);TermQuery q = new TermQuery(new Term("bookname", "bc"));q.setBoost(2f);Hits hits = searcher.search(q);for(int i=0; i<hits.length();i++){Document doc = hits.doc(i);System.out.print(doc.get("bookname") + "\t\t");System.out.println(hits.score(i));System.out.println(searcher.explain(q, hits.id(i)));//}} }
運行結果：
引用 bc bc 0.629606
0.629606 = (MATCH) fieldWeight(bookname:bc in 0), product of:
? 1.4142135 = tf(termFreq(bookname:bc)=2)
? 0.71231794 = idf(docFreq=3, numDocs=3)
? 0.625 = fieldNorm(field=bookname, doc=0)

ab bc 0.4451987
0.4451987 = (MATCH) fieldWeight(bookname:bc in 1), product of:
? 1.0 = tf(termFreq(bookname:bc)=1)
? 0.71231794 = idf(docFreq=3, numDocs=3)
? 0.625 = fieldNorm(field=bookname, doc=1)

ab bc cd 0.35615897
0.35615897 = (MATCH) fieldWeight(bookname:bc in 2), product of:
? 1.0 = tf(termFreq(bookname:bc)=1)
? 0.71231794 = idf(docFreq=3, numDocs=3)
? 0.5 = fieldNorm(field=bookname, doc=2)

從結果中我們可以看到：
bc bc文檔中bc出現了2次，tf為2的平方根，所以是1.4142135。而其他的兩個文檔出現了一次，所以是1.0
所有的三個文檔的idf值都是一樣的，是0.71231794
默認情況下，boost的值都是1.0，所以lengthNorm就是當前的fieldNorm的值。前兩個文檔的長度一致，為0.625，而排在最后的文檔，因為長度要長一些，所以分值要低，為0.5

現在對f2這個字段增加激勵因子：f2.setBoost(2.0f);
運行結果變為：
引用 ab bc 0.8903974
0.8903974 = (MATCH) fieldWeight(bookname:bc in 1), product of:
? 1.0 = tf(termFreq(bookname:bc)=1)
? 0.71231794 = idf(docFreq=3, numDocs=3)
? 1.25 = fieldNorm(field=bookname, doc=1)
發現fieldNorm值有0.625變成了1.25，所以就是乘以了2.0

接下來再對第二個文檔增加激勵因子：doc2.setBoost(2.0f);
運行結果變為：
引用 ab bc 1.0
1.7807949 = (MATCH) fieldWeight(bookname:bc in 1), product of:
? 1.0 = tf(termFreq(bookname:bc)=1)
? 0.71231794 = idf(docFreq=3, numDocs=3)
? 2.5 = fieldNorm(field=bookname, doc=1)
發現fieldNorm又乘以了2，所以說對于Document和Field的setBoost都會乘到一起。

因為該文檔的最終的score超過了1.0變成1.7807949，所以其他的兩個文檔的最終得分都要除以該值，
分別變成：
引用 bc bc 0.35355335
ab bc cd 0.19999999


相信通過上面的解釋，大家就可以形象得理解Lucene的打分機制，同時也知道如何來改變文檔的得分。

總結

以上是生活随笔為你收集整理的Lucene的评分(score)机制的简单解释的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。