Lucene 评分公式解析

首先从评分角度看，哪些因素会最终影响了评分呢？下面是对Lucene官方文档给出的TFIDFSimlarity相似度评分公式：

• doc_freq表示搜索关键词term出现在多少个文档中

• doc_count表示整个Segment的总文档个数

• frequency(t,d)表示词条t在文档d中出现频次 norm(t,d)表示词条t在文档d归一化因子 其中这两个函

• norm(t,d)和frequency(t,d)的值与本文中的上下文均用norm和freq表示。

由此可见，其中只有norm(t,d)和frequency(t,d)是随文档变化的，其它参数都在segment内确定不变的固定值。也可以理解为，在一个Segment范围内，freq和norm值直接决定了一个文档的得分排序。

https://lucene.apache.org/core/7_4_0/core/org/apache/lucene/search/similarities/TFIDFSimilarity.html

https://mp.weixin.qq.com/s?__biz=MzI4Njk3NjU1OQ==&mid=2247484147&idx=1&sn=9e31b1e9f4a91ead347974683e600f74&chksm=ebd5fdb3dca274a59ba627e61fc828f39b785764bc166df0719bc327033fdb9c2cea4d0e3978