在Lucene中score简单说是由 tf * idf * boost * lengthNorm计算得出的。

tf：是查询的词在文档中出现的次数的平方根
idf：表示反转文档频率，观察了一下所有的文档都一样，所以那就没什么用处，不会起什么决定作用。
boost：激励因子，可以通过setBoost方法设置，需要说明的通过field和doc都可以设置，所设置的值会同时起作用
lengthNorm：是由搜索的field的长度决定了，越长文档的分值越低。

所以我们编程能够控制score的就是设置boost值。

还有个问题，为什么一次查询后最大的分值总是1.0呢？
因为Lucene会把计算后，最大分值超过1.0的分值作为分母，其他的文档的分值都除以这个最大值，计算出最终的得分。

下面用代码和运行结果来进行说明：

Java代码  

1. public class ScoreSortTest {
2. public final static String INDEX_STORE_PATH = "index";
3. public static void main(String[] args) throws Exception {
4. IndexWriter writer = new IndexWriter(INDEX_STORE_PATH, new StandardAnalyzer(), true);
5. writer.setUseCompoundFile(false);
6. Document doc1 = new Document();
7. Document doc2 = new Document();
8. Document doc3 = new Document();
9. Field f1 = new Field("bookname","bc bc", Field.Store.YES, Field.Index.TOKENIZED);
10. Field f2 = new Field("bookname","ab bc", Field.Store.YES, Field.Index.TOKENIZED);
11. Field f3 = new Field("bookname","ab bc cd", Field.Store.YES, Field.Index.TOKENIZED);
12. doc1.add(f1);
13. doc2.add(f2);
14. doc3.add(f3);
15. writer.addDocument(doc1);
16. writer.addDocument(doc2);
17. writer.addDocument(doc3);
18. writer.close();
19. IndexSearcher searcher = new IndexSearcher(INDEX_STORE_PATH);
20. TermQuery q = new TermQuery(new Term("bookname", "bc"));
21. q.setBoost(2f);
22. Hits hits = searcher.search(q);
23. for(int i=0; i<hits.length();i++){
24. Document doc = hits.doc(i);
25. System.out.print(doc.get("bookname") + "\t\t");
26. System.out.println(hits.score(i));
27. System.out.println(searcher.explain(q, hits.id(i)));//
28. }
29. }
30. }

public class ScoreSortTest {public final static String INDEX_STORE_PATH = "index";public static void main(String[] args) throws Exception {IndexWriter writer = new IndexWriter(INDEX_STORE_PATH, new StandardAnalyzer(), true);writer.setUseCompoundFile(false);Document doc1 = new Document();Document doc2 = new Document();Document doc3 = new Document();Field f1 = new Field("bookname","bc bc", Field.Store.YES, Field.Index.TOKENIZED);Field f2 = new Field("bookname","ab bc", Field.Store.YES, Field.Index.TOKENIZED);Field f3 = new Field("bookname","ab bc cd", Field.Store.YES, Field.Index.TOKENIZED);doc1.add(f1);doc2.add(f2);doc3.add(f3);writer.addDocument(doc1);writer.addDocument(doc2);writer.addDocument(doc3);writer.close();IndexSearcher searcher = new IndexSearcher(INDEX_STORE_PATH);TermQuery q = new TermQuery(new Term("bookname", "bc"));q.setBoost(2f);Hits hits = searcher.search(q);for(int i=0; i<hits.length();i++){Document doc = hits.doc(i);System.out.print(doc.get("bookname") + "\t\t");System.out.println(hits.score(i));System.out.println(searcher.explain(q, hits.id(i)));//}}
}

运行结果：

从结果中我们可以看到：
bc bc文档中bc出现了2次，tf为2的平方根，所以是1.4142135。而其他的两个文档出现了一次，所以是1.0
所有的三个文档的idf值都是一样的，是0.71231794
默认情况下，boost的值都是1.0，所以lengthNorm就是当前的fieldNorm的值。前两个文档的长度一致，为0.625，而排在最后的文档，因为长度要长一些，所以分值要低，为0.5

现在对f2这个字段增加激励因子：f2.setBoost(2.0f);
运行结果变为：

发现fieldNorm值有0.625变成了1.25，所以就是乘以了2.0

接下来再对第二个文档增加激励因子：doc2.setBoost(2.0f);
运行结果变为：

发现fieldNorm又乘以了2，所以说对于Document和Field的setBoost都会乘到一起。

因为该文档的最终的score超过了1.0变成1.7807949，所以其他的两个文档的最终得分都要除以该值，
分别变成：

相信通过上面的解释，大家就可以形象得理解Lucene的打分机制，同时也知道如何来改变文档的得分。