Lucene 评分：在什么情况下使用 queryNorm？答案

【问题标题】：Lucene scoring: in what context is queryNorm used?Lucene 评分：在什么情况下使用 queryNorm？
【发布时间】：2013-05-23 00:06:32
【问题描述】：

我对 lucene 评分策略有点困惑。我知道Lucene的评分公式是这样的：

score(q,d) = coord(q,d) x queryNorm(q) X SUM <t_in_q> ( tf(t_in_d) x idf(t)^2 x t.getBoost() x norm(t,d))

除了 queryNorm(q) 之外，我了解此公式中的每个组成部分。正如官方文档所解释的，

queryNorm(q) 是一个标准化因子，用于在查询可比。该因素不影响文档排名（因为所有排序的文档都乘以相同的因子），但是而只是尝试从不同的查询（甚至不同的指标）具有可比性。

为什么我需要比较不同查询之间的分数？换句话说，您能否举一个示例来说明 queryNorm(q) 在哪种情况下有用？

【问题讨论】：

【解决方案1】：

好问题，我自己也想过这个问题。根据this ScoresAsPercentages argument 的说法，尝试比较不同查询或索引的分数，甚至是同一查询和索引在不同时间的分数，是个坏主意，我同意。

我的理解是，虽然queryNorm 确实不能让它们严格比较，但它确实有帮助。它们更接近于与 Default queryNorm 相比，而不是没有。

我想它还可以让人们编写自己的相似性，并使用此调用创建标准化的、可比较的分数，使用适用于他们特定情况的算法。

有一些discussion on dropping it，你可能会觉得有趣。

【讨论】：

这是一个有趣的线索。我仍然在船上，让普通用户对 queryNorm 有更多控制权不会损害搜索工作。但是，由于它是按权重计算的，因此无需担心计算成本。
回到我的问题，比较不同查询的分数更多地出现在机器学习人员中，如文档聚类，而很少出现在常见的搜索工作中，对吧？
有一些策略可以使查询具有可比性，而不必使用机器学习（例如，请参阅Cosine Similarity）。在 Lucene 中，它被避免了。比较不同查询之间的分数的解决方案是重新考虑您的要求。

【解决方案2】：

我知道这个问题很老，但我遇到了类似的问题。 queryNorm 在所有搜索结果中不一样的原因是文档可以在不同的 shard 中，而 queryNorm 仅在同一个 shard 中是恒定的。

据我了解，这个问题可以通过两种方式解决：

【讨论】：