Solr：每个文档的 fieldNorm 不同，没有文档提升

Question

我希望我的搜索结果按分数排序，他们正在这样做，但分数计算不正确。这就是说，不一定不正确，但与预期不同，我不确定为什么。我的目标是消除任何改变分数的因素。

如果我对两个对象执行匹配的搜索（其中对象 A 的分数预计高于对象 B），则首先返回对象 B。

假设在此示例中，我的查询是一个术语：“apples”。

ObjectA 的标题：“苹果就是苹果”（2/3 术语）
ObjectA 的描述：“苹果里有苹果，现在苹果变成了苹果！” （6/18 学期）
ObjectB 的标题：“苹果很棒”（1/3 术语）
ObjectB 的描述：“苹果房间里有苹果，但现在苹果都坏了！” （4/18 学期）

标题字段没有提升（或者更确切地说，提升为 1），描述字段的提升为 0.8。我没有通过 solrconfig.xml 或我正在通过的查询指定文档提升。如果有另一种方法来指定文档提升，我可能会遗漏一种方法。

分析 explain 打印输出后，看起来 ObjectA 正确地计算出了比 ObjectB 更高的分数，就像我想要的那样，除了 一个 差异： ObjectB 的标题 fieldNorm 始终高于 ObjectA 的标题 fieldNorm。

---

下面是解释打印输出。如您所知：标题字段为 mditem5_tns，描述字段为 mditem7_tns：

ObjectB:
1.3327172 = (MATCH) sum of:
  1.0352166 = (MATCH) max plus 0.1 times others of:
    0.9766194 = (MATCH) weight(mditem5_tns:appl in 0), product of:
      0.53929156 = queryWeight(mditem5_tns:appl), product of:
        1.8109303 = idf(docFreq=3, maxDocs=9)
        0.2977981 = queryNorm
      1.8109303 = (MATCH) fieldWeight(mditem5_tns:appl in 0), product of:
        1.0 = tf(termFreq(mditem5_tns:appl)=1)
        1.8109303 = idf(docFreq=3, maxDocs=9)
        1.0 = fieldNorm(field=mditem5_tns, doc=0)
    0.58597165 = (MATCH) weight(mditem7_tns:appl^0.8 in 0), product of:
      0.43143326 = queryWeight(mditem7_tns:appl^0.8), product of:
        0.8 = boost
        1.8109303 = idf(docFreq=3, maxDocs=9)
        0.2977981 = queryNorm
      1.3581977 = (MATCH) fieldWeight(mditem7_tns:appl in 0), product of:
        2.0 = tf(termFreq(mditem7_tns:appl)=4)
        1.8109303 = idf(docFreq=3, maxDocs=9)
        0.375 = fieldNorm(field=mditem7_tns, doc=0)
  0.2975006 = (MATCH) FunctionQuery(1000.0/(1.0*float(top(rord(lastmodified)))+1000.0)), product of:
    0.999001 = 1000.0/(1.0*float(1)+1000.0)
    1.0 = boost
    0.2977981 = queryNorm

ObjectA:
1.2324848 = (MATCH) sum of:
  0.93498427 = (MATCH) max plus 0.1 times others of:
    0.8632177 = (MATCH) weight(mditem5_tns:appl in 0), product of:
      0.53929156 = queryWeight(mditem5_tns:appl), product of:
        1.8109303 = idf(docFreq=3, maxDocs=9)
        0.2977981 = queryNorm
      1.6006513 = (MATCH) fieldWeight(mditem5_tns:appl in 0), product of:
        1.4142135 = tf(termFreq(mditem5_tns:appl)=2)
        1.8109303 = idf(docFreq=3, maxDocs=9)
        0.625 = fieldNorm(field=mditem5_tns, doc=0)
    0.7176658 = (MATCH) weight(mditem7_tns:appl^0.8 in 0), product of:
      0.43143326 = queryWeight(mditem7_tns:appl^0.8), product of:
        0.8 = boost
        1.8109303 = idf(docFreq=3, maxDocs=9)
        0.2977981 = queryNorm
      1.6634457 = (MATCH) fieldWeight(mditem7_tns:appl in 0), product of:
        2.4494898 = tf(termFreq(mditem7_tns:appl)=6)
        1.8109303 = idf(docFreq=3, maxDocs=9)
        0.375 = fieldNorm(field=mditem7_tns, doc=0)
  0.2975006 = (MATCH) FunctionQuery(1000.0/(1.0*float(top(rord(lastmodified)))+1000.0)), product of:
    0.999001 = 1000.0/(1.0*float(1)+1000.0)
    1.0 = boost
    0.2977981 = queryNorm

Answer 1

该问题是由词干引起的。它将“apples are apples”扩展为“apples appl are apples appl”，从而使字段更长。由于文档 B 仅包含 1 个由词干分析器扩展的术语，因此字段比文档 A 更短。

这会导致不同的字段规范。

Answer 2

FieldNOrm 由 3 个部分组成 - 字段上的索引时间提升、文档上的索引时间提升和字段长度。假设您不提供任何索引时间提升，则差异必定是字段长度。

因此，由于较短的字段值的 lengthNorm 较高，因此 B 的标题具有较高的 fieldNorm 值，因此它的标题中的标记数量必须少于 A。

有关 Lucene 评分的详细说明，请参阅以下页面：

http://lucene.apache.org/java/2_4_0/scoring.html
http://lucene.apache.org/ java/2_4_0/api/org/apache/lucene/search/Similarity.html