理解Solr Doc=

Question

我有两个索引文档，我试图找出为什么一个比另一个高的相关性。为了得到解释，我运行了DebugQuery=True。以下是这两份文件的相关差异。

两种不同类型的文件

这可能是相关的；文档有两种不同的类型，我使用*_s字段进行区分。因此，我的字段module_s有两个模块1和2。

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

所以我不认为这会引起问题，但我想添加这个信息。

相关的解释不同之处：

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

正如你所看到的，解释几乎是一样的。他们都有相同的queryWeight，boost，以色列国防军和queryNorm。不同的是，doc=XXX。对于文档1，它是351328，而文档2是174。有人能解释一下这个号码是什么吗？从哪来的？为什么不一样？

资源使用

• http://blog.thedigitalgroup.com/dattatrayap/2015/06/12/understanding-solr-explain/
• http://www.openjems.com/solr-lucene-score-tutorial/
• http://explain.solr.pl/

Answer 1

那个号码是博士。它唯一标识要从索引中检索的文档。这绝对与得分无关。

真正的得分差异在于现场规范：

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

fieldNorm是根据两个数字计算的。文档索引时对字段的提升，以及字段的长度(更精确的描述可以在TFIDFSimilarity文档中关于TFIDFSimilarity文档的章节中找到)

所以，要么该字段在文档1中更短，要么在文档1中索引时它得到了更大的提升。