文档的分值代表了该文档在特定查询词下对应的相关性高低，他关联着信息检索向量空间模型中的向量夹角的接近度。一个文档越与查询词相关，得分越高。分值计算公式如下：
score(q,d) = coord(q,d) · queryNorm(q) · ∑ ( tf(t in d) · idf(t)2 · t.getBoost() · norm(t,d) )
t in q
其中
tf(t in d)
这个值衡量着Term在文档中出现的频率，也就是词频。关键词在文档中出现的次数越多，得分越高，这个值在DefaultSimilarity的计算公式如下(词频的平方根)：
tf(t in d) = frequency½
idf(t)
代表着该词的逆词频，这个值衡量了该词在整个文档库中出现的频度。这意味着，一个词出现的越少，根据香农的信息公示，他越珍稀。同时将贡献更多的分值给总分值。默认的计算公式如下(其中numDocs代表整个文档的数量，docFreq代表了含有Term t的文档数量)：
numDocs
idf(t) = 1 + log ( ––––––––– )
docFreq+1
coord(q,d)
这个分值衡量了文档中含有多少Term。文档中出现的越多，越全，将获得越高的分值。举个例来说，查询“lucene”和"Apache"，同时出现两个Term的肯定比只出现一个lucene或者Apache的分值高。这个值是搜索时动态计算的，默认的计算公式如下：
coord(q,d) = overlap / maxOverlap
queryNorm(q)
这个标准化因子用于在多个查询器中进行比较。它并不影响文档的排名。它的主要作用在于多个查询器返回的结果进行比较，甚至是结果来自多个索引时。这是搜索时的权重因子，当给查询器设置权重时就是通过这个因子进行影响的。默认的实现公式如下：
1
queryNorm(q) = queryNorm(sumOfSquaredWeights) = ––––––––––––––
sumOfSquaredWeights½
其中的sumOfSquaredWeights的计算公式如下：（可以清晰的看到获取query的boost，当没给查询器设置值时，默认为1，不起作用）
sumOfSquaredWeights = q.getBoost() 2 · ∑ ( idf(t) · t.getBoost() ) 2
t in q
t.getBoost()
该值是一个搜索时权重因子，可以在查询时给不同的Term设置不同的权重，可以通过lucene语法（具体参见我翻译的另外一篇文章：hi.baidu.com/expertsearch/blog/item/8d4f7d355a2e413c5ab5f547.html），也可以通过setBost()函数，注意，在多Term查询器中，是没有获取单一Term权重的函数的，所以如果需要获取，只能调用相应的子查询器函数的getBoost()函数。
norm(t,d)
封装了一些索引时因子以及长度因子。
Document boost - 在索引时，添加到Index前可以通过doc.setBoost()设置，衡量了Document的重要程度。.
Field boost - 在将字段加入到文档前可以通过调用field.setBoost()来设置字段的权重。
lengthNorm(field) - 该值在将文档添加到索引时，根据所有文档中特定字段的Term数来计算。所以默认更短的字段将贡献更多的分值。
1
lengthNorm(field) = ––––––––––––––
numTerms½
当文档加入索引时，以上因子将相乘，如果一个文档中有多个同名的字段，那么将多个多同的权重也相乘。
norm(t,d) = doc.getBoost() · lengthNorm(field) · ∏ f.getBoost()
field f in d named as t
可是还有件值得注意的事情，这个值在索引时计算完毕后将编码为一个Byte存储起来，在搜索时，再从文件中读取出该值并解码成float。在这个过程中，可能会造成精度的缺失，并不能保证decode(encode(x)) = x，比如，有可能decode(encode(0.89)) = 0.75，同样值得注意的是，在搜索时改变此值已经太晚了。例如，用一个不同于DefaultSimilarity的实现。
相关函数：
setDefault(Similarity), IndexWriter.setSimilarity(Similarity), Searcher.setSimilarity(Similarity)
本翻译属于原创，转载时请注明出处。英文原版请查看：
hudson.zones.apache.org/hudson/job/Lucene-trunk/javadoc//org/apache/lucene/search/Similarity.html
相关推荐
**Lucene API 文档详解** Lucene 是一个高性能、全文本搜索库，由 Apache 软件基金会开发，被广泛应用于各种搜索引擎的构建。在Java编程语言中，Lucene 提供了丰富的API来处理索引、搜索、分析文本等任务。这份文档...
**Lucene基础资料详解** Lucene是一个开源的全文搜索引擎库，由Apache软件基金会开发并维护。它是Java编写，被广泛应用于各种需要全文检索功能的应用中，如网站搜索、文档检索等。Lucene提供了高效的索引和搜索机制...
车库和车库 CFD 模型 CFD 分析可用于分析模型。
henn-produktfolder-thermalmanagement-2024
39 Android源代码定时情景模式切换.zip
基于单 神经 元PID控制器的四旋 翼 飞 行 器 航 迹控制.pdf
内容概要：本文详细介绍了如何使用西门子S7-200 SMART PLC与三台台达MS300变频器进行Modbus RTU通讯的具体步骤和技术要点。首先，文章强调了正确的硬件连接方法，包括PLC与变频器之间的485总线连接以及终端电阻的设置。接着，深入讲解了变频器的关键参数配置，确保通讯稳定可靠。然后，展示了核心程序的设计思路，特别是轮询机制的应用，通过定时中断实现对三台变频器的状态监测和控制。此外，还提供了触摸屏的配置方法，使操作更加直观便捷。最后，分享了一些常见的调试经验和避坑指南，帮助解决实际应用中可能遇到的问题。 适合人群：从事工业自动化领域的工程师和技术人员，尤其是对PLC与变频器通讯感兴趣的读者。 使用场景及目标：适用于需要将多台变频器集成到PLC控制系统中的工程项目，旨在提高系统的稳定性和可靠性，同时降低维护成本。 其他说明：文中提供的代码片段和配置建议均基于作者的实际经验，具有较高的实用价值。对于初学者来说，建议先理解基本概念再逐步深入实践。
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 Rust 以内存安全、零成本抽象和并发高效的特性，重塑编程体验。无需垃圾回收，却能通过所有权与借用检查机制杜绝空指针、数据竞争等隐患。从底层系统开发到 Web 服务构建，从物联网设备到高性能区块链，它凭借出色的性能和可靠性，成为开发者的全能利器。拥抱 Rust，解锁高效、安全编程新境界！
互联网大厂裁员背后的经济规律与增长天花板.mp4
2025年交换原理与技术.zip
内容概要：本文详细介绍了基于PLC（可编程逻辑控制器）的智能农业温室大棚控制系统的各个方面。主要内容涵盖IO分配、梯形图程序编写、接线图绘制和组态画面设计。通过合理的IO分配，PLC能够准确获取环境数据并控制相关设备；梯形图程序实现了对温度、湿度等环境因素的自动化控制；接线图确保了硬件连接的准确性；组态画面提供了用户友好的操作界面。此外，还分享了一些实际应用场景和技术细节，如温度控制梯形图实战、接线冷知识、组态画面设计技巧以及调试现场的经验。 适合人群：从事农业自动化、工业控制领域的工程师和技术人员，特别是对PLC编程和智能农业感兴趣的读者。 使用场景及目标：适用于希望提高农业生产效率和智能化水平的农场主和农业企业。通过引入PLC控制系统，可以实现对温室环境的精准控制，减少人工干预，提升作物产量和质量。 其他说明：文中不仅提供了理论知识，还包括了许多实践经验，帮助读者更好地理解和应用PLC技术于智能农业中。
基于TypeScript+three.js 实现的三维地质模型剖切，以及剖面的补充+源码+项目文档，适合毕业设计、课程设计、项目开发。项目源码已经过严格测试，可以放心参考并在此基础上延申使用，详情见md文档 基于TypeScript+three.js 实现的三维地质模型剖切，以及剖面的补充+源码+项目文档，适合毕业设计、课程设计、项目开发。项目源码已经过严格测试，可以放心参考并在此基础上延申使用，详情见md文档~ 基于TypeScript+three.js 实现的三维地质模型剖切，以及剖面的补充+源码+项目文档，适合毕业设计、课程设计、项目开发。项目源码已经过严格测试，可以放心参考并在此基础上延申使用，详情见md文档 基于TypeScript+three.js 实现的三维地质模型剖切，以及剖面的补充+源码+项目文档，适合毕业设计、课程设计、项目开发。项目源码已经过严格测试，可以放心参考并在此基础上延申使用，详情见md文档 基于TypeScript+three.js 实现的三维地质模型剖切，以及剖面的补充+源码+项目文档，适合毕业设计、课程设计、项目开发。项目源码已经过严格测试，可以放心参考并在此基础上延申使用，详情见md文档
内容概要：本文详细介绍了基于三菱FX3U PLC和MCGS组态软件构建的四皮带运输机控制系统。首先阐述了系统的IO分配规则，强调了关键输入输出信号的选择依据及其重要性。接着深入解析了梯形图编程技巧，展示了如何通过定时器、比较器等指令实现皮带的顺序启动和速度同步控制。随后探讨了MCGS组态界面的设计，包括动态皮带模拟、报警提示以及历史数据记录等功能。最后分享了一些常见故障处理经验和系统优化方法，如合理的接线方式、滤波处理和联锁逻辑设计。 适合人群：从事工业自动化领域的工程师和技术人员，尤其是对PLC编程和组态软件有一定了解的人群。 使用场景及目标：适用于需要设计和维护复杂皮带传输系统的工厂环境，旨在提高生产效率并确保设备安全可靠运行。 其他说明：文中提供了大量实际案例和调试经验，有助于读者更好地理解和掌握相关技术和最佳实践。
详细介绍及样例数据：https://blog.csdn.net/T0620514/article/details/147722861
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 编译闪电般迅速，并发性能卓越，部署轻松简单！Go 语言以极简设计理念和出色工程性能，成为云原生时代的首选编程语言。从 Docker 到 Kubernetes，全球顶尖科技企业都在采用 Go。点击了解 Go 语言的核心优势、实战窍门和未来走向，开启高效编程的全新体验！
基于NB-IoT的智能渔业养殖综合控制系统设计.pdf
内容概要：本文详细介绍了利用MCGS通用监控系统和西门子S7-300 PLC实现饮料灌装生产流水线的自动化控制方法。首先阐述了IO分配的具体规则，明确各输入输出端口的功能及其所连接的外部设备；接着展示了梯形图程序的设计思路，解释了启动停止控制、传送带控制和灌装控制三个关键环节的工作流程；然后描述了接线图原理图的内容，说明了PLC与外部设备间的物理连接方式；最后讲解了MCGS组态画面的应用，强调了其在人机交互方面的作用。通过这些内容，全面揭示了如何构建一套稳定高效的饮料灌装生产系统。 适合人群：从事工业自动化领域的工程师和技术人员，尤其是对PLC编程及MCGS组态有一定了解的专业人士。 使用场景及目标：适用于需要优化现有饮料灌装生产线的企业，旨在提高生产效率、降低人工成本的同时保证产品质量的一致性和稳定性。通过对文中介绍的技术手段的学习和应用，可以更好地理解和掌握现代工业自动化控制系统的构建方法。 其他说明：文中不仅提供了理论性的指导，还有具体的实例分析，如针对可能出现的问题提出解决方案，使得读者能够在实践中灵活运用所学知识。此外，还提到了一些调试经验和技巧，有助于解决实际工作中遇到的各种挑战。
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 编译闪电般迅速，并发性能卓越，部署轻松简单！Go 语言以极简设计理念和出色工程性能，成为云原生时代的首选编程语言。从 Docker 到 Kubernetes，全球顶尖科技企业都在采用 Go。点击了解 Go 语言的核心优势、实战窍门和未来走向，开启高效编程的全新体验！
内容概要：本文详细介绍了使用PyTorch实现UNet架构进行皮肤病分割的方法和技术要点。首先讨论了数据准备，包括图像尺寸统一、数据增强以及归一化处理。接着深入探讨了UNet模型的具体实现，包括双卷积块、跳跃连接、上采样和下采样的设计。文中还特别强调了损失函数的选择，推荐使用Dice Loss来应对小目标分割问题，并提出了混合损失函数以提高模型稳定性。此外，文章还涉及了训练过程中的一些注意事项，如内存优化、类别不平衡处理以及后处理方法，如形态学开运算和阈值处理。最终，该系统在ISIC2018数据集上达到了约89%的Dice系数。 适合人群：具备一定深度学习基础的研究人员和开发者，尤其是对医学影像处理感兴趣的从业者。 使用场景及目标：适用于需要精确分割皮肤病灶的应用场景，如辅助诊断工具的开发。主要目标是提高皮肤病灶分割的准确性，减少人工标注的工作量并提升诊断效率。 其他说明：文章提供了详细的代码片段和实践经验分享，帮助读者更好地理解和应用UNet模型。同时，作者指出实际部署时需要注意模型对毛发等干扰因素的敏感性，并提出了一些改进措施。
实验室智能监控系统的实现.pdf