# lucene 相关度分数算法
之前讲解到 boolean model、TF/IDF、vector space model
本章是深入讲解 TF/IDF 算法在 lucene 中，底层到底进行 TF/IDF 算法计算的一个完整的公式是什么？
lucene practical scoring function
practical scoring function：来计算一个 query 对一个 doc 的分数的公式，该函数会使用一个公式来计算
score(q,d) =
queryNorm(q)
· coord(q,d)
· ∑ (
tf(t in d)
· idf(t)2
· t.getBoost()
· norm(t,d)
) (t in q)
2
3
4
5
6
7
8
9
score(q,d) is the relevance score of document d for query q.
这个公式的最终结果，就是说是一个 query（叫做 q），对一个 doc（叫做 d）的最终的总评分
queryNorm(q) is the query normalization factor (new).
是用来让一个 doc 的分数处于一个合理的区间内，不要太离谱， 举个例子，一个 doc 分数是 10000，一个 doc 分数是 0.1，你们说好不好，肯定不好
coord(q,d) is the coordination factor (new).
简单来说，就是对更加匹配的 doc，进行一些分数上的成倍的奖励
The sum of the weights for each term t in the query q for document d.
∑：求和的符号
∑ (t in q)：
query 中每个 term，query = hello world，query 中的 term 就包含了 hello 和 world query 中每个 term 对 doc 的分数，进行求和，多个 term 对一个 doc 的分数，组成一个 vector space，然后计算，就在这一步
tf(t in d) is the term frequency for term t in document d.
计算每一个term对doc的分数的时候，就是TF/IDF算法
idf(t) is the inverse document frequency for term t.
t.getBoost() is the boost that has been applied to the query (new).
norm(t,d) is the field-length norm, combined with the index-time field-level boost, if any. (new).
# query normalization factor
queryNorm = 1 / √sumOfSquaredWeights
sumOfSquaredWeights = 所有 term 的 IDF 分数之和，开一个平方根，然后做一个平方根分之 1
主要是为了将分数进行规范化 --> 开平方根，首先数据就变小了 --> 然后还用 1 去除以这个平方根，分数就会很小 --> 1.几 / 零点几
分数就不会出现几万，几十万，那样的离谱的分数
# query coodination
奖励那些匹配更多字符的 doc 更多的分数
Document 1 with hello → score: 1.5
Document 2 with hello world → score: 3.0
Document 3 with hello world java → score: 4.5
Document 1 with hello → score: 1.5 * 1 / 3 = 0.5
Document 2 with hello world → score: 3.0 * 2 / 3 = 2.0
Document 3 with hello world java → score: 4.5 * 3 / 3 = 4.5
2
3
4
5
6
7
把计算出来的总分数 * 匹配上的 term 数量 / 总的 term 数量，让匹配不同 term/query 数量的doc，分数之间拉开差距
# field level boost
自定义权重
WARNING
这章基本上没有看懂