Lucene之MaxScorer算法简介

简介

          名叫“Lucene之MaxScorer算法分析”其实并不准确，因为有Stefan提交的MaxScorer代码尚未提交到Lucene，至今还在讨论

中，具体见：https://issues.apache.org/jira/browse/LUCENE-4571，他索所要解决的问题就是Lucene在计算Top-k时效率慢的问题。

目前Lucene对于MaxScore的计算， AND计算比较快，这个就不用优化，主要是针对OR 查询，这时需要比对每个Scorer，计算其得

分这样就很耗时，导致性能很慢。其实可以预先就可以确定一些是不需要计算的，直接可以跳过，所以自1995年提出的MaxScore算

法就是为解决这个问题。Stefan根据几天涉及Maxscore优化的论文为Lucene贡献了MaxScorer代码（尚未通过审核提交到Lucene），

在此感谢Stefan的贡献。

MaxScorer思想

对于一个Boolean查询，每个Term查询出来对应一个Inverted List，每个list有可能很长有可能很短，每个list中的每个doc都包含了该term，

都有和当前term的一个相似性打分。那么对于每个List来说就存在一个对于当前Term的最大打分。称为该list的Upper Bound。

假设queryString=“The OR conference OR  berlin OR buzzwords”，具体MaxScore算法如下：

按照term对应的dcoFreq（包含该Term的文档数）从大到小排序。上图中方块的大小代表该文档

和term的相似性打分的大小