java - 为什么 Lucene 使用 maxDoc 而不是 numDocs 来计算 term idf？

Question

我在 Lucene 的Similarity类public float idf(Term term, Searcher searcher)方法 javadoc 上找到了这个：

请注意，使用 Searcher.maxDoc() 代替 IndexReader#numDocs() 因为也使用了 Searcher.docFreq(Term)，当后者不准确时，Searcher.maxDoc() 也是如此，并且方向相同。此外，Searcher.maxDoc() 的计算效率更高。

这对我来说不太合理。这与 IndexReader 中的文档删除有关吗？

Answer 1

是的，完全正确。每当文档被删除（或更新，因为 Lucene 中的更新只是删除后添加）时，文档将保留在索引中，直到这些段被合并，通常通过索引优化。它不会被搜索返回，已被删除，但它的条款仍然会对 idf 评分产生影响。

LuceneFAQ 有一些与此相关的信息，特别是在这个答案的最后一段关于删除，以及这个解决 maxDoc