elasticsearch:IF&IDF算法、向量空间模型——笔记

大数据，数据量辣么多，要查询的话谁在前面谁在后面？数据又不能贿赂搜索框，再说Wuli es可是铁面无私、全心全意为人民服务的boy，所以面对这种情况，我们有一套狠复杂的算法，打分排序算法公式什么的，我就不说了，直接上中文：

先说搜索过滤的时候，boolean model

类似and这种逻辑操作符，先过滤出包含指定term的doc

query "hello world" --> 过滤 --> hello / world / hello & world
bool --> must/must not/should --> 过滤 --> 包含/不包含/可能包含
doc --> 不打分数 --> 正或反 true or false --> 为了减少后续要计算的doc的数量，提升性能

IF/IDF打分

  打分算法：查询语句和文档间匹配程度，根据打分规则对结果排序
        影响因素：文档内容匹配较多稀有查询关键词、文档含较少的term且term多是稀有的-高分
            文档权重：索引时设置
            域权重：field boost：查询的时候给域设置的
            调整因子：文档中包含查询关键字个数；多、大
            逆文档频率：Inerse document frequency ：基于term，告诉打分公式一个词的稀有程度
                频率：多少个文档出现了该词
                打分公式提升稀有词文档的权重
            长度归一化：length norm：基于域
                由给定域中term的个数决定（索引文档时已计算出）
                跨域的文本越长，权重越低
            词频：基于term，term出现频率；越大分越高
            查询归一化因子：query norm：基于查询语句=查询语句中每个查询词权重的平方和