Lucene多个索引：规范化文档分数？

Question

假设我在几台PC上有多个lucene索引（不是复制品）。

我查询每个索引，然后合并结果。 有没有办法规范化文档分数，以便我可以按分数（相关性）排序？

我的意思是，索引A的文档A的分数与索引B的文档B不可比，除非我做某种规范化......不是这样吗？

由于 Roey

Answer 1

首先，研究Lucene Similarity Documentation。在那里的所有因素中，唯一一个因索引而异的是inverse document frequency (idf)。

我建议您使用Luke或调试器来查看不同索引的idfs的影响。 您可能会发现这只会产生轻微的影响。

以下是a discussion about using a global idf，此处为Wiki page about distributed search design in Solr。我相信这个问题还没有解决。

Lucene得分不适合简单的规范化。我建议你尝试让文档分发尽可能随机，然后比较两个索引的命中率如何排名。

Answer 2

用于比较索引X和Y的文档A的得分。我计算x = score(A,X) / max score of any document that is a hit for search on index X和y = score(A,Y) / max score of any document that is a hit for search on index Y。

x和y现在都在0和1之间。只需添加x和y即可获得最终得分。

这是一种天真的做法。我想听听你对此的评论。

但我不明白你为什么要添加两个不同文件的分数。用例？