如何让 Lucene 进行简单、平坦的评分？答案

【问题标题】：How can I ask Lucene to do simple, flat scoring?如何让 Lucene 进行简单、平坦的评分？
【发布时间】：2013-08-16 07:39:19
【问题描述】：

让我先说我没有以非常常见的方式使用 Lucene，并解释我的问题是如何有意义的。我正在使用 Lucene 在结构化记录中进行搜索。也就是说，每个被索引的文档都是一组字段，它们具有来自给定集合的短值。每个字段都被分析和存储，分析产生的通常不超过 3 个，在大多数情况下只产生 1 个标准化标记。例如，假设我们为每个文件存储两个字段：文件的路径和 1-5 的用户评分。路径使用 PathHierarchyTokenizer 进行标记，并且评级只是按原样存储。所以，如果我们有一个像

这样的文件

path: "/a/b/file.txt"
rating: 3

此文档的路径字段将包含标记“/a”、“/a/b”和“/a/b/file.ext”，并为标记“3”评级。

我希望针对“path:/a path:/a/b path:/a/b/different.txt rating:1”之类的查询对该文档进行评分，并获得 2 的值 -匹配。

我的理解和观察是，文档的分数取决于各种术语指标，并且有许多文档，每个文档都有很多字段，我绝对不会得到简单的整数分数。

有没有什么方法可以按照概述的方式制作 Lucene 评分文档？针对索引运行的查询不是由用户生成的，而是由系统构建的，并且附加了一个可选的过滤器，这意味着它们都有固定形式的几个 TermQuery 加入一个 BooleanQuery，与任何模糊文本搜索完全不同。目前我没有选择用其他东西替换 Lucene，但欢迎对未来的开发提出建议。

【问题讨论】：

标签： lucene

【解决方案1】：

我怀疑有什么东西可以使用，所以很可能您需要实现自己的记分器并在搜索时使用它。对于复杂的情况，您可能想要play around with queries，但对于像您这样的简单情况，overwrite DefaultSimilarity 将 tf 因子设置为原始频率（相关文档中指定术语的数量）并将所有其他组件设置为 1 就足够了。像这样的：

public class MySimilarity extends DefaultSimilarity {

    @Override
    public float computeNorm(String field, FieldInvertState state) {
        return 1;
    }

    @Override
    public float queryNorm(float sumOfSquaredWeights) {
        return 1;
    }

    @Override
    public float tf(float freq) {
        return freq;
    }

    @Override
    public float idf(int docFreq, int numDocs) {
        return 1;
    }

    @Override
    public float coord(int overlap, int maxOverlap) {
        return 1;
    }

}

（注意，tf() 是唯一返回不同于 1 的值的方法）

IndexSearcher 上的 set similarity。

【讨论】：