简简单单的说明向量空间模型（VSM）

向量空间模型（VSM）即(Vector Space Model)，其实此模型更加适用于比较文档直接的相关性。但是本文还是基于在全文检索的基础上来说。

在全文检索中如何根据搜素关键字搜索之后的结果进行排序，即对搜素结果的文档进行排序。找出词(Term)对文档的重要性的过程称为计算词的权重(Term weight)的过程。计算词的权重(term weight)有两个参数，第一个是词(Term)，第二个是文档(Document)。而关于这两个参数又有两个因素：

1，词频，即这个词在文档中出现的频率，tf，tf越大说明越重要。

2，多少文档中包含这个词，df，df越大说明越不重要。

VSM的过程为：

1，把索引的每一篇文档中的每一个词进行词权重（term weight）的计算，这个词权重的计算量是很大的，而且当有新文档加入时，则必须重新计算词的权值；

2，对查询的term序列计算词权重的计算：

2.1词频（tf）根据查询词的数量进行计算；

2.2文档词频（df）根据索引中记录的包含此个term的总的数量，（其实这也就可以理解lucene的索引中包含了那么的数字，需要那么复杂的索引了）；

3，根据查询词的尾数建立查询词维数的空间向量（vsm），由于文档中包含的词的数目远大于查询词的维数，因此只能按查询词的维数建立空间向量（这个地方好像不太科学）；

4，计算各个相关文档的词权重向量和查询词权重向量直接的余弦夹角，夹角越小的的（计算的结果值越大的）那么说明相关程度越高。

好像写的太简单了

参考：

1，http://www.cnblogs.com/forfuture1978/archive/2010/02/06/1664916.html

2，lucene原理与代码分析