为什么在Lucene 4中将索引提升到文档上的字段会产生如此巨大的影响

Question

在索引时，我将一小部分文档的别名字段增强，将boost设置为2.0f，我认为这意味着将该文档的分数加倍会超过另一个文档，而其他所有条件都是相同的。

public class ArtistBoostDoc {

    //Double the score of this doc if it comes up in search
    private static float ARTIST_DOC_BOOST = 2.0f;

    private static Set<String> artistGuIdSet = new HashSet<String>();

    static  {

        artistGuIdSet.add("24f1766e-9635-4d58-a4d4-9413f9f98a4c"); //Bach
        artistGuIdSet.add("1f9df192-a621-4f54-8850-2c5373b7eac9"); //Beethoven
        artistGuIdSet.add("b972f589-fb0e-474e-b64a-803b0364fa75"); //Mozart
        artistGuIdSet.add("ad79836d-9849-44df-8789-180bbc823f3c"); //Vivaldi
        artistGuIdSet.add("27870d47-bb98-42d1-bf2b-c7e972e6befc"); //Handel
        artistGuIdSet.add("8255db36-4902-4cf6-8612-0f2b4288bc9a"); //Johann Strauss II
        artistGuIdSet.add("eefd7c1e-abcf-4ccc-ba60-0fd435c9061f"); //Richard Wagner
        artistGuIdSet.add("4e60a56a-514a-4a19-a3cc-49927c96b3cb"); //Sir Edward Elgar
        artistGuIdSet.add("c130b0fb-5dce-449d-9f40-1437f889f7fe"); //Joseph Haydn
        artistGuIdSet.add("f91e3a88-24ee-4563-8963-fab73d2765ed"); //Franz Schubert
        artistGuIdSet.add("c70d12a2-24fe-4f83-a6e6-57d84f8efb51"); //Johannes Brahms
        artistGuIdSet.add("f1bedf1f-4445-4651-9c35-f4a3f3860a13"); //Guiseppe Verdi
    }

    public static void boost(String artistGuid, MbDocument doc) {

        boost(artistGuid,doc.getLuceneDocument());
    }

    public static void boost(String artistGuid, Document doc) {
        if(artistGuIdSet.contains(artistGuid)) {
            for(IndexableField indexablefield:doc.getFields())
            {
if(indexablefield.name().equals(ArtistIndexField.ALIAS.getName()))
                {
                    Field field = (Field)indexablefield;
                    field.setBoost(ARTIST_DOC_BOOST);
                }
            }
        }
    }
}

但是然后当我运行此查询时：

http://search.musicbrainz.org/?type=artist&query=Jean&explain=true

您可以看到第一个文档（已索引增强）的字段范数为7.5161928 E9（请注意E），而下一个结果为1.0。 基本上，只要这些增强文档中的一个在其别名字段上匹配，它将始终是第一个结果，对结果进行规范化后，其得分将为100，其他所有结果的得分为零。

如果我删除了增强功能，那么一切都会按预期进行（但麻烦的是，我需要这些文档的某种增强功能，但现在还没有）

http://search.beta.musicbrainz.org/?type=artist&query=Jean&explain=true

为什么将领域提升到2.0才有如此巨大的效果

Answer 1

好像很奇怪，是的。 您的代码中没有任何东西最终会导致这种情况，但我对此深有怀疑。

我不太了解MbDocument外观，但是我猜它可以包含多个具有相同名称的字段。 我猜想JS Bach实际上有大约30个字段，名称为ArtistIndexField.ALIAS.getName() 。

Lucene如何处理具有相同名称的多个文档。 Lucene将它们全部添加到同一字段中，并将它们的boost乘以 。

因此，而不是像这样的表示形式：

alias1^2
alias2^2
alias3^2
....

您最终会得到类似：

(alias1 alias2 alias3 ...)^(2^30)

您要么需要自己将它们全部串联到一个字段中（请确保所连接的术语之间有空格，以免在索引时它们一起成为一个术语），或者确保仅增加为别名添加的一个字段添加到文档中时。

我将提供此链接 ，作为一些友好的建议。 用它认为合适的方法来做。