如果我在 Solr 中有一个包含多值字段的文档，多个值是独立评分还是只是连接起来并作为一个大字段评分？我希望他们是独立得分的。这是我的意思的一个例子：
我有一个包含人名字段的文档，其中同一个人可能有多个名称。名称都不同（在某些情况下非常不同），但它们都是同一个人/文档。
第 1 个人： 大卫鲍伊、大卫罗伯特琼斯、齐格星尘、瘦白公爵
第 2 个人： 大卫莱特曼
第 3 个人： 大卫·哈塞尔霍夫、大卫·迈克尔·哈塞尔霍夫
如果我要搜索“David”，我希望所有这些都具有大致相同的匹配机会。如果每个名字都是独立评分的，情况似乎就是这样。如果它们只是作为单个字段存储和搜索，David Bowie 将因拥有比其他人多得多的令牌而受到惩罚。 Solr 如何处理这种情况？
【问题讨论】：
您可以使用debugQuery=on 运行查询q=field_name:David，看看会发生什么。
这些是按score desc排序的结果（包括通过fl=*,score的分数）：
<doc>
<float name="score">0.4451987</float>
<str name="id">2</str>
<arr name="text_ws">
<str>David Letterman</str>
</arr>
</doc>
<doc>
<float name="score">0.44072422</float>
<str name="id">3</str>
<arr name="text_ws">
<str>David Hasselhoff</str>
<str>David Michael Hasselhoff</str>
</arr>
</doc>
<doc>
<float name="score">0.314803</float>
<str name="id">1</str>
<arr name="text_ws">
<str>David Bowie</str>
<str>David Robert Jones</str>
<str>Ziggy Stardust</str>
<str>Thin White Duke</str>
</arr>
</doc>
这就是解释：
<lst name="explain">
<str name="2">
0.4451987 = (MATCH) fieldWeight(text_ws:David in 1), product of: 1.0 = tf(termFreq(text_ws:David)=1) 0.71231794 = idf(docFreq=3, maxDocs=3) 0.625 = fieldNorm(field=text_ws, doc=1)
</str>
<str name="3">
0.44072422 = (MATCH) fieldWeight(text_ws:David in 2), product of: 1.4142135 = tf(termFreq(text_ws:David)=2) 0.71231794 = idf(docFreq=3, maxDocs=3) 0.4375 = fieldNorm(field=text_ws, doc=2)
</str>
<str name="1">
0.314803 = (MATCH) fieldWeight(text_ws:David in 0), product of: 1.4142135 = tf(termFreq(text_ws:David)=2) 0.71231794 = idf(docFreq=3, maxDocs=3) 0.3125 = fieldNorm(field=text_ws, doc=0)
</str>
</lst>
这里的评分因素是：
在您的示例中，fieldNorm 有所不同。您有一个文档的 termFreq 较低（1 而不是 1.4142135），因为该术语仅出现一次，但由于字段长度，该匹配更为重要。
您的字段是多值的这一事实不会改变得分。我想它与具有相同内容的单个值字段相同。 Solr 在字段长度和术语方面起作用，所以，是的，大卫鲍伊因拥有比其他人多得多的令牌而受到惩罚。 :)
更新
我实际上认为大卫鲍伊应该得到他的机会。如上所述，fieldNorm 与众不同。将属性omitNorms=true 添加到schema.xml 中的text_ws 字段并重新索引。同样的查询会给你以下结果：
<doc>
<float name="score">1.0073696</float>
<str name="id">1</str>
<arr name="text">
<str>David Bowie</str>
<str>David Robert Jones</str>
<str>Ziggy Stardust</str>
<str>Thin White Duke</str>
</arr>
</doc>
<doc>
<float name="score">1.0073696</float>
<str name="id">3</str>
<arr name="text">
<str>David Hasselhoff</str>
<str>David Michael Hasselhoff</str>
</arr>
</doc>
<doc>
<float name="score">0.71231794</float>
<str name="id">2</str>
<arr name="text">
<str>David Letterman</str>
</arr>
</doc>
正如您现在看到的那样，termFreq 获胜，而 fieldNorm 根本没有被考虑在内。这就是为什么出现两次 David 的两个文档尽管长度不同，却排在首位并且得分相同，并且只有一个匹配项的较短文档是得分最低的最后一个文档。这是debugQuery=on的解释：
<lst name="explain">
<str name="1">
1.0073696 = (MATCH) fieldWeight(text:David in 0), product of: 1.4142135 = tf(termFreq(text:David)=2) 0.71231794 = idf(docFreq=3, maxDocs=3) 1.0 = fieldNorm(field=text, doc=0)
</str>
<str name="3">
1.0073696 = (MATCH) fieldWeight(text:David in 2), product of: 1.4142135 = tf(termFreq(text:David)=2) 0.71231794 = idf(docFreq=3, maxDocs=3) 1.0 = fieldNorm(field=text, doc=2)
</str>
<str name="2">
0.71231794 = (MATCH) fieldWeight(text:David in 1), product of: 1.0 = tf(termFreq(text:David)=1) 0.71231794 = idf(docFreq=3, maxDocs=3) 1.0 = fieldNorm(field=text, doc=1)
</str>
</lst>
【讨论】：
您可以使用 Lucenes SweetSpotSimilarity 来定义所有标准都应为 1.0 的长度平台。只要您正在搜索名称等内容，这可以帮助您解决您的情况。lengthNorm 没有任何好处。
【讨论】：