3

我有两个索引文档，我试图找出其中一个高于另一个的相关性。所以我跑去DebugQuery=True寻求解释。以下是两个文件的相关差异。

两种不同类型的文件

它可能是相关的；这些文档有两种不同的类型，我使用 *_s 字段来区分它们。所以我的字段 module_s 有两个模块 1 和 2。我的查询有：

<arr name="filter_queries">
    <str>moduleid_s:(1 OR 2)</str>
</arr>

所以我认为这不会引起问题，但我想添加此信息。

相关解释差异：

文档 1 - 模块类型 = 1

result of: 1.7325882 = score(doc=3513280,freq=1.0), 
    product of: 0.44456035 = queryWeight, 
    product of: 0.5 = boost 7.7946143 = idf(docFreq=5286,maxDocs=4721423) 0.1140686 = queryNorm 3.8973072 = fieldWeight in 3513280, 
    product of: 1.0 = tf(freq=1.0), with freq of: 1.0 = termFreq=1.0 7.7946143 = idf(docFreq=5286, maxDocs=4721423) 0.5 = fieldNorm(doc=3513280)

文档 2 - 模块类型 = 2

result of: 0.75800735 = score(doc=174,freq=1.0), 
        product of: 0.44456035 = queryWeight, 
        product of: 0.5 = boost 7.7946143 = idf(docFreq=5286,maxDocs=4721423) 0.1140686 = queryNorm 1.7050719 = fieldWeight in 174, 
        product of: 1.0 = tf(freq=1.0), with freq of: 1.0 = termFreq=1.0 7.7946143 = idf(docFreq=5286, maxDocs=4721423) 0.21875 = fieldNorm(doc=174)

概要和问题

如您所见，解释几乎相同。它们都具有相同的 queryWeight、boost、idf 和 queryNorm。不同的是，doc=XXX。对于文档 1 它是351328，文档 2 它是174. 有人能解释一下这个数字是什么吗？它来自哪里？为什么它与众不同？

使用的资源

4

1 回答 1

5

这个数字是 docid。它唯一地标识要从索引中检索的文档。这与得分完全无关。

真正的得分差异在于 fieldnorm：

  • 文件 1： 0.5 = fieldNorm
  • 文件 2： 0.21875 = fieldNorm

fieldNorm 是根据两个数字计算得出的。索引文档时对字段的提升，以及字段的长度（更精确的描述可以在norm(t,d)TFIDFSimilarity文档中的部分找到）

因此，要么该字段在 Document 1 中较短，要么在 Document 1 中被索引时获得了更高的提升。

于 2015-09-10T20:07:51.160 回答