文档相关性得分算法（一）

TF-IDF

默认情况下，计算文档相关性得分的算法是TF-IDF（term frequency-inverse document frequency，词频-逆文档频率）。影响相关性得分的两个因素。

• 词频 ----- 所查询的单次在文档中出现的次数越多，得分越高；
• 逆文档频率 ----- 如果某个单词在所有文档中比较少见，那么该单词的权重越高，得分也越高。

例如在微博中搜索“周杰伦演唱会 护士”，那么在所有相关文章中，需要比较这几个单词出现的词频，词频多的权重低，词频少的权重高，再计算相关性得分来对文章进行排序。