Lucene的IndexSearcher提供一个explain方法，能够解释Document的Score是怎么得来的，具体每一部分的得分都可以详细地打印出来。这里用一个中文实例来纯手工验算一遍Lucene的评分算法，并且结合Lucene的源码做一个解释。

首先是测试用例，我使用“北京东路”来检索一个含有address域的文档。

然后是是输出，注意它有缩进，代表一个个的层级，下面以测试环境数据作为举例:

{

"value" : 0.7271681,

"description" : "max of:",

"details" : [ {

"value" : 0.7271681,

"description" : "sum of:",

"details" : [ {

"value" : 0.43069553,

"description" : "weight(address:北京 in 787) [PerFieldSimilarity], result of:",

"details" : [ {

"value" : 0.43069553,

"description" : "score(doc=787,freq=1.0), product of:",

"details" : [ {

"value" : 0.34374008,

"description" : "queryWeight, product of:",

"details" : [ {

"value" : 5.0118747,

"description" : "idf(docFreq=2104, maxDocs=116302)"

}, {

"value" : 0.06858513,

"description" : "queryNorm"

} ]

}, {

"value" : 1.2529687,

"description" : "fieldWeight in 787, product of:",

"details" : [ {

"value" : 1.0,

"description" : "tf(freq=1.0), with freq of:",

"details" : [ {

"value" : 1.0,

"description" : "termFreq=1.0"

} ]

}, {

"value" : 5.0118747,

"description" : "idf(docFreq=2104, maxDocs=116302)"

}, {

"value" : 0.25,

"description" : "fieldNorm(doc=787)"

} ]

} ]

} ]

}, {

"value" : 0.29647252,

"description" : "weight(address:东路 in 787) [PerFieldSimilarity], result of:",

"details" : [ {

"value" : 0.29647252,

"description" : "score(doc=787,freq=1.0), product of:",

"details" : [ {

"value" : 0.2851919,

"description" : "queryWeight, product of:",

"details" : [ {

"value" : 4.158218,

"description" : "idf(docFreq=4942, maxDocs=116302)"

}, {

"value" : 0.06858513,

"description" : "queryNorm"

} ]

}, {

"value" : 1.0395545,

"description" : "fieldWeight in 787, product of:",

"details" : [ {

"value" : 1.0,

"description" : "tf(freq=1.0), with freq of:",

"details" : [ {

"value" : 1.0,

"description" : "termFreq=1.0"

} ]

}, {

"value" : 4.158218,

"description" : "idf(docFreq=4942, maxDocs=116302)"

}, {

"value" : 0.25,

"description" : "fieldNorm(doc=787)"

} ]

} ]

} ]

} ]

} ]

}

这个看起来可真是头疼，尝试解释一下：

首先，需要学习Lucene的评分计算公式——

分值计算方式为查询语句q中每个项t与文档d的匹配分值之和，当然还有权重的因素。其中每一项的意思如下表所示：

表3.5

评分公式中的因子

评分因子

描 述

tf(t in d)

项频率因子——文档(d)中出现项(t)的频率

idf(t)

项在倒排文档中出现的频率：它被用来衡量项的“唯一”性.出现频率较高的term具有较低的idf,出现较少的term具有较高的idf

boost(t.field in d)

域和文档的加权，在索引期间设置.你可以用该方法 对某个域或文档进行静态单独加权

lengthNorm(t.field in d)

域的归一化(Normalization)值，表示域中包含的项数量.该值在索引期间计算，并保存在索引norm中.对于该因子，更短的域(或更少的语汇单元)能获得更大的加权

coord(q,d)

协调因子(Coordination factor),基于文档中包含查询的项个数.该因子会对包含更多搜索项的文档进行类似AND的加权

queryNorm(q)

每个査询的归一化值，指毎个查询项权重的平方和

总匹配分值的计算

具体到上面的测试来讲，地址字段address匹配了二个词条，先分别计算每个词条对应的分值，然后相加，最后结果= ("北京") 0.43069553+ (“东路”)0.29647252=0.7271681 (结果舍入)。

查询语句在某个field匹配分值计算

这个0.43069553是如何来的呢？这是词条“北京”在field中的分值=查询权重queryWeight * 域权重fieldWeight  即   0.34374008*1.2529687=0.43069553。

同埋“东路”这个词条在field中的分值=查询权重queryWeight * 域权重fieldWeight  即   0.2851919*1.0395545=0.29647252

queryWeight的计算

queryWeight的计算可以在TermQuery$TermWeight.normalize(float)方法中看到计算的实现：

publicvoidnormalize(floatqueryNorm){

this.queryNorm =queryNorm;

//原来queryWeight 为idf*t.getBoost()，现在为queryNorm*idf*t.getBoost()。

queryWeight *=queryNorm;

value =queryWeight *idf;

}

其实默认情况下，queryWeight = idf * queryNorm，因为Lucene中默认的boost = 1.0。

以“北京”这个词条为例，查询权重queryWeight = idf * queryNorm，即 0.34374008 = 5.0118747*0.06858513。

idf的计算

idf是项在倒排文档中出现的频率，计算方式为

/** Implemented as log(numDocs/(docFreq+1)) + 1. */

@Overrid

publicfloatidf(longdocFreq,longnumDocs){

return(float)(Math.log(numDocs/(double)(docFreq+1))+1.0);

｝

docFreq是根据指定关键字进行检索，检索到的Document的数量，我们测试“北京”词条的docFreq=2104；

numDocs是指索引文件中总共的Document的数量，对应explain结果中的maxDocs，我们测试的maxDocs=116302。

用计算器验证一下，没有错误，这里就不啰嗦了。

fieldWeight的计算

fieldWeight = tf * idf * fieldNorm

tf和idf的计算参考前面的，fieldNorm的计算在索引的时候确定了，此时直接从索引文件中读取，这个方法并没有给出直接的计算。

如果使用DefaultSimilarity的话，它实际上就是lengthNorm，域越长的话Norm越小，在org/apache/lucene/search/similarities/DefaultSimilarity.java里面有关于它的计算：

publicfloatlengthNorm(FieldInvertStatestate){

finalintnumTerms;

if(discountOverlaps)

numTerms =state.getLength()-state.getNumOverlap();

else

numTerms =state.getLength();

returnstate.getBoost()*((float)(1.0/Math.sqrt(numTerms)));

}

这个我就不再验算了，每个域的Terms数量开方求倒数乘以该域的boost得出最终的结果。