Zend_Search_Lucene 改变词频问题

Question

我正在尝试更新对我的 Lucene 索引中文档术语的搜索。目前，搜索对术语在文档中出现的次数进行评分。如果该术语存在，我想做的是评分，而不是该术语存在的次数。因此，一个包含该词条的文档的得分与包含该词条的文档的得分相同 100 次。

我尝试用我自己的类扩展 Zend_Search_Lucene_Search_Similarity，但老实说，我不确定这是否正常工作，因为分数仍然很低。

class MySimilarity extends Zend_Search_Lucene_Search_Similarity{

//override the default frequency of searching
public function tf($freq){
    return 1.0; 
}

public function lengthNorm($fieldName, $numTerms) {
    return 1.0/sqrt($numTerms);
}

public function queryNorm($sumOfSquaredWeights) {
    return 1.0/sqrt($sumOfSquaredWeights);
}

public function sloppyFreq($distance) {
    return 1.0;
}

public function idfFreq($docFreq, $numDocs) {
    return log($numDocs/(float)($docFreq+1)) + 1.0;
}

public function coord($overlap, $maxOverlap) {
    return $overlap/(float)$maxOverlap;
}
}

现在这是根据我在搜索良好的旧 google 时找到的示例构建的。然而，我所做的唯一真正的改变是 tf() 函数。

对此有任何帮助，我将非常感激，因为目前它真的搞砸了我的搜索。

谢谢，

授予

Answer 1

我会尝试两件事来调试它：

1. 构建一个非常小的索引 - 两个文档，每个文档都有一个字段，第一个包含单词“boat”，第二个包含短语“boatboat”。测试您的搜索。
2. 尝试仅覆盖 tf() 函数。这就是你想要的改变。覆盖其他部分，例如规范，需要使用新的相似性函数重新索引。在重新编制索引之前，请确保您确实需要它。

总体而言，更改 tf() 函数似乎是正确的做法。这个，前提是你只想要一个相对顺序而不关心绝对分数。