《开发自己的搜索引擎》读书笔记——排序

1. 相关度排序

   Searcher的explain方法，解释文档得分的具体情况。

   文档得分主要由4个部分内容来决定，即tf（词条频率）、idf（反转文档频率）、boost（Field的激励因子）和lengthNorm（长度因子）。

   tf值的计算方法时某个关键字在某文档中出现次数的平方根。

   在进行相关度排序的时候，如果想人为地增加某个文档的相关度，使其在搜索结果中排在更靠前的位置上，则可以使用boost。boost值是随着索引的建立而写入索引文档中的，因此，需要在建立索引时指定，也就是要在调用IndexWriter.addDocument为文档建立索引之前。

   在Lucene中，文档的boost值一般情况下默认为1.0，但当某个文档的boost值大于1.0后，所有的文档的boost值都会除以这个最大值，以此来为每一个文档获取一个小于1.0的数作为新的boost值。这也就是为什么在建立索引时，为某个文档设定其boost值大于1，但在搜索得到它时，取出它的boost值却是一个不大于1的数。同样，当某个文档的得分大于1时，Lucene也会进行类似操作。事实上，通过explain方法可以计算出文档的得分要大于1，但是显示出来的结果却是1。

   Lucene除了可以为Document设置boost值外，也可以为Field级别设置boost值。对Field的boost的值的改变将直接影响到Document的分值。

2. 使用Sort来排序

   Sort类位于org.apache.lucene.search包中。Sort所提供的排序功能是以Field为基础的，即最终的排序准则，总是以某个（或多个）Field的值为基础。

   Sort的六个构造函数：

           public Sort();

           public Sort(String field);

           public Sort(String field,booleanreverse);

           public Sort(String[] fields);

           public Sort(SortField field);

           public Sort(SortField[] fields);

   其中reverse参数可以指明是升序还是降序，默认值为false，即降序。

   SortField实际上是一个包装类型，通过它的包装，可以使Sort类清楚地了解要进行排序的Field的各种信息。SortField的部分构造函数：

   public SortField(String field)

   public SortField(String field,boolean reverse)

   public SortField(String field,int type)

   public SortField(String field,int type,booleanreverse)

   为了方便，SortField提供了几个常量来标识，比如SortField.STRING、SortField.INT、SortField.FLOAT。

   Lucene在为每个Document建立索引的时候，Lucene回味每个文档建立一个内部的ID号。有时，会需要按照文档的内部ID号来对其进行排序。Sort类提供了直接的静态实例Sort.INDEXORDER表明当前的排序意图。但事实上，在真正的开发过程中，这种需求并不常见。

    

   对于Sort对象来说，其内部留有一个SortField类型的数组，无论是直接以字符串方式向其提供Field信息，还是先将Field封装成SortField对象后提交给它，最终在Sort内部，所有Field都会转化成SortField的对象数组进行保存。

   在Sort类的内部有多个重载的setSort方法，它们会将用户提交的String型的Field信息转成SortField的对象，并存放在内部的数组中，或是直接将用户提交的SortField数组作为内部数组，在排序时使用。

   比较字符串时，Locate信息的不同，很有可能会影响比较的结果。