lucene vs sql 结果评分

Question

鉴于以下查询，我在 SQL 和 Lucene 之间获得了截然不同的排名/评分：

[伪代码] (statut* 在解释 * 的 3 内) AND 矛盾

我不认为这是解析器的问题，因为所有结果似乎都符合查询要求。但是，在前 1000 个结果中，我只得到了 172 个常见结果。由于 Lucene 和 SQL 的所有结果似乎都符合查询要求，我唯一剩下的猜测是评分在某种程度上完全不同。我很难找到任何关于 SQL 如何处理评分的信息，也很难找到比较 SQL 和 Lucene 评分的信息。我不一定期望两个引擎的结果集相同，但我期望超过 10% 的相似性，我至少需要能够解释巨大的差异。

我该如何解释这种显着差异？

Answer 1

来自the documentation on MSDN titled "How Search Query Results Are Ranked"（强调我的）：

SQL Server 中的全文搜索可以生成一个可选的分数（或排名 value) 表示由 a 返回的数据的相关性 全文查询。这个排名值是在每一行上计算的，可以是 用作排序标准以对给定查询的结果集进行排序 通过相关性。排名值仅表示相对顺序 结果集中行的相关性。 实际值为 不重要，并且每次运行查询时通常都不同。排名 value 在查询中没有任何意义。

也就是说，SQL 全文搜索对结果没有实际价值；它与结果中的其他行相关的唯一值。

将其与 scoring in Lucene 进行比较，这完全取决于您如何索引文档、文档和/或字段是否被提升、过滤器等。

Lucene 中的评分也是一致的，这与 SQL Server 不同，后者没有保证。它甚至反映在名称中，SQL server 中全文查询的结果是 rank 值而不是分数，就像在 Lucene 中一样。

这些值并不完全可比，但这是可以理解的，因为结果也不相同。