es简述（二）

最近一直在研究怎么设置一个自己的分词器但效果不是特别明显，有时间还是可以再看

https://www.jianshu.com/p/11df87b6e8ce    (光是java的环境配置，idea设置我都没搞好，还是只看了逻辑，还有点想法)

分词目前也就增加和修改词典会快点，毕竟java忘得差不多了。。。

咳，说一下这次要说的

关于es搜索出来的匹配度会有一个评分，之前觉得这个评分有点东西，也没注意，后来发现只用评分来区别相近程度有点问题，我就找了一下资料：

涉及评分的属性也就下面的，不知道全不全

文档加权：熟悉es的人都知道权值是个好东西，毕竟在你做搜索的时候优先度比较高，那么在对文档建立索引时，可以对文档加权值，提高查询级别

字段加权：查询和索引时，对字段的加权值

协调：基于文档词条数的协调因子。对包含更多查询词条的文档，它提供更大的值，实际上就是一句话包含的字数越多或者词条中包含对应的词量越大，就越高

逆文档频率：基于词条的因子，它告诉评分公式，给定词条出现的频率有多低。逆文档频率越高，词条越罕见。这一项就有点意思了，个人理解也就是出现频率越低，评分反而越高，细节请查看百度百科https://baike.baidu.com/item/%E9%80%86%E6%96%87%E6%A1%A3%E9%A2%91%E7%8E%87/11018305?fr=aladdin

长度规范： 基于字段的规范化因子，它基于给定字段包含的字条数目。字段越长，该因子给的加权值越小。这基本上意味着更短的文档更受分数的青睐（这个要画重点，词典要考）

词频：基于词条的因子，描述给定词条在文档中出现的次数，词频越高，文档的得分越高。这个是不是和逆文档频率冲突了我纠结了好久，个人觉得是的还要再论就

查询规范：基于查询的规范化因子，由每个查询词条比重的平方之和计算而成。查询规范用于查询之间的得分比较，但这并一定很容易，有时甚至做不到。

 

看过以后身为一个高数不及格的人我头皮发麻。

实际上也简单，为了调整查询相关性，你不需要记住这个等式的细节，但至少要知道它是如何工作的。我们可以看到，文档的评分因子是查询q和文档d的一个函数。还有两个不直接依赖于查询词条的因子， coord和queryNorm。公式中这两个元素跟查询中的每个词计算而得的总和相乘。另一方面，该总和由给定词的词频、逆文档频率、词条加权和规范相乘而来，其中的规范就是我们前面讨论过的长度规范。

综上所述，不需要记住全部内容。应该知道的是影响文档评分的因素。下面是一 些派生自上述等式的规则：

 匹配的词条越罕见，文档的得分越高；

 文档的字段越小，文档的得分越高；

 字段的加权越高，文档的得分越高；

 我们可以看到，文档匹配的查询词条数目越高、字段越少（意味着索引的词条越少），

Lucene 给文档的分数越高。同时，罕见词条比常见词条更受评分的青睐。