Lucene搜索評分問題

Question

我有兩個索引是從目錄“ test1”和“ test2”創建的。 “test1”目錄有“file1.java”，而“test2”有兩個文件“file1.java”和“file2.java”。 “file1.java”在兩個目錄中都是相同的。 令索引分別為index1和index2。

現在，當我使用luke分析這兩個索引時，我發現在index1中搜索的關鍵字的分數與index2中生成的分數不同。 該關鍵字僅存在於“ file1.java”中。

為什么分數不同？ 在Lucene中有什么索引可以強迫得分相同的方法嗎？

Answer 1

lucene中的分數允許您將查詢結果的相關性與單個查詢進行比較。 它們的設計不允許您比較不同索引之間或不同查詢之間的結果，或保存它們並將它們與以后的運行進行比較。 它們僅對返回的查詢結果集和索引的當前狀態有效。 有關為什么以這種方式使用Lucene分數不是一個好主意 ，請參閱這篇關於Lucene分數作為百分比的文章。

畢竟，Lucene是使用TF-IDF算法評分的。 您應該期望IDF分數在具有更多內容的索引中有所不同。 TFIDFSimilarity文檔詳細描述了評分算法。

如果您願意，您當然可以使用任何相似的實現，或者自己創建一個實現。