Lucene Scoring结合使用信息检索的向量空间模型和布尔模型来决定一个文档对于用户输入查询的相关性。
Vector Space Model(向量空间模型)Information Retrieval(信息检索) Boolean Model(buer模型)
VSM(Vector Space Model)的主要思想:
VSM是一个将文本文档(任意对象)作为标示符向量来表现的一种代数模型。
每个词条与一个维度一致,如果一个词条在向量中出现,那么它在向量中的值就为非零值。计算这些值有很多种方式,熟知的是(term)weights,最知名的是tf-idf weighting。term的定义取决于应用,一般term指单独的词语,单建字或长句子。
查询词条在一个文档中出现的次数相对于其他文档更多,此文档对于查询词条相关度越高。首先使用Boolean模型缩小需要计算分数的文档范围,核心基于VSM系统。
Lucene Scoring 会使用如下几条规则:
tf-idf模型
tf:Term Frequency(词条频度)
idf:Inverse Document Frequency。词条在所有Document中越稀缺,它对分数贡献越高。
coord:Coordination Factor。Document出现的查询词条越多,它的分数越高。
field norm:Field Length。域长度越大,分数越低。
See You.....