Lucene的MaxScorer算法旨在解决OR查询时的效率问题，通过预先确定无需计算的项来提高搜索速度。它根据term的docFreq排序，计算每个term的最大打分（Upper Bound），在搜索阶段累加最大得分并使用最小堆调整Top-k。通过Early Termination策略减少不必要的比较，提高查询效率。引用了多篇相关文献进行理论支持。
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
最低0.47元/天 解锁文章
扫一扫
1497
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
