相关度排序

1 相关度排序

1.1 什么是相关度排序

相关度排序是查询结果按照与查询关键字的相关性进行排序，越相关的越靠前。比如搜索“Lucene”关键字，与该关键字最相关的文章应该排在前边。

 1.2 相关度打分

Lucene对查询关键字和索引文档的相关度进行打分，得分高的就排在前边。如何打分呢？Lucene是在用户进行检索时实时根据搜索的关键字计算出来的，分两步：

1）计算出词（Term）的权重

2）根据词的权重值，计算文档相关度得分。

 什么是词的权重？

通过索引部分的学习，明确索引的最小单位是一个Term(索引词典中的一个词)，搜索也是要从Term中搜索，再根据Term找到文档，Term对文档的重要性称为权重，影响Term权重有两个因素：

l Term Frequency (tf)：

指此Term在此文档中出现了多少次。tf越大说明越重要。

词(Term)在文档中出现的次数越多，说明此词(Term)对该文档越重要，如“Lucene”这个词，在文档中出现的次数很多，说明该文档主要就是讲Lucene技术的。

 l Document Frequency (df)：

指有多少文档包含次Term。df越大说明越不重要。

比如，在一篇英语文档中，this出现的次数更多，就说明越重要吗？不是的，有越多的文档包含此词(Term),说明此词(Term)太普通，不足以区分这些文档，因而重要性越低。

1.3 设置boost值影响相关度排序

boost是一个加权值（默认加权值为1.0f），它可以影响权重的计算。

 l 在索引时对某个文档中的field设置加权值高，在搜索时匹配到这个文档就可能排在前边。

l 在搜索时对某个域进行加权，在进行组合域查询时，匹配到加权值高的域最后计算的相关度得分就高。

 设置boost是给域（field）或者Document设置的。

1.3.1 在创建索引时设置

如果希望某些文档更重要，当此文档中包含所要查询的词则应该得分较高，这样相关度排序可以排在前边，可以在创建索引时设定文档中某些域（Field）的boost值来实现，如果不进行设定，则Field Boost默认为1.0f。一旦设定，除非删除此文档，否则无法改变。

 1.3.1.1 代码实现

@Test public void setBoost4createIndex()throws Exception { // 创建分词器 Analyzer analyzer = new StandardAnalyzer();  IndexWriterConfig cfg = new IndexWriterConfig(Version.LUCENE_4_10_3, analyzer); Directory directory = FSDirectory.open(new File("E:\\11-index\\0728")); // 创建IndexWriter对象，通过它把分好的词写到索引库中 IndexWriter writer = new IndexWriter(directory, cfg);  Document doc = new Document(); Field id = new StringField("id","11", Store.YES); Field description = new TextField("description","测试设置BOOST值lucene", Store.YES); // 设置boost description.setBoost(10.0f); // 把域添加到文档中 doc.add(id); doc.add(description); writer.addDocument(doc); // 关闭IndexWriter writer.close(); }

 1.3.1.2 输出

 1.3.2 在查询索引时设置

在MultiFieldQueryParser创建时设置boost值。