Solr: campoNorma diferente por documento, sin aumento de documento

Question

Quiero que mis resultados de búsqueda ordenen por puntaje, lo cual están haciendo, pero el puntaje se está calculando incorrectamente. Es decir, no necesariamente incorrectamente, pero de manera diferente a lo esperado y no estoy seguro de por qué. Mi objetivo es eliminar lo que está cambiando el puntaje.

Si realizo una búsqueda que coincide con dos objetos (donde se espera que ObjectA tenga una puntuación más alta que ObjectB), se devuelve ObjectB primero.

Digamos, para este ejemplo, que mi consulta es un término único: "manzanas".

título de Objecta: "las manzanas son manzanas" (2/3) Descripción de términos
de Objecta: "! Había manzanas en las manzanas con las manzanas y ahora las manzanas fueron todas las manzanas por todas las manzanas" (6/18 términos)
Título de ObjectB: "las manzanas son geniales" (1/3 términos)
Descripción de ObjectB: "¡Había manzanas en la habitación de las manzanas y ahora las manzanas se ponían feas en todas las manzanas!" (4/18 términos)

El campo de título no tiene impulso (o más bien, un aumento de 1) y el campo de descripción tiene un impulso de 0.8. No he especificado un aumento de documentos a través de solrconfig.xml ni a través de la consulta que estoy realizando. Si hay otra forma de especificar un aumento de documentos, existe la posibilidad de que me falta uno.

Después de analizar la impresión explain, parece que Objecta es calcular adecuadamente una puntuación más alta que ObjectB, al igual que yo quiero, a excepción de la diferencia uno: fieldNorm título de ObjectB es siempre mayor que Objecta de.

---

Aquí sigue la impresión explain. Para que lo sepas: el campo título es mditem5_tns y el campo de descripción es mditem7_tns:

ObjectB: 
1.3327172 = (MATCH) sum of: 
    1.0352166 = (MATCH) max plus 0.1 times others of: 
    0.9766194 = (MATCH) weight(mditem5_tns:appl in 0), product of: 
     0.53929156 = queryWeight(mditem5_tns:appl), product of: 
     1.8109303 = idf(docFreq=3, maxDocs=9) 
     0.2977981 = queryNorm 
     1.8109303 = (MATCH) fieldWeight(mditem5_tns:appl in 0), product of: 
     1.0 = tf(termFreq(mditem5_tns:appl)=1) 
     1.8109303 = idf(docFreq=3, maxDocs=9) 
     1.0 = fieldNorm(field=mditem5_tns, doc=0) 
    0.58597165 = (MATCH) weight(mditem7_tns:appl^0.8 in 0), product of: 
     0.43143326 = queryWeight(mditem7_tns:appl^0.8), product of: 
     0.8 = boost 
     1.8109303 = idf(docFreq=3, maxDocs=9) 
     0.2977981 = queryNorm 
     1.3581977 = (MATCH) fieldWeight(mditem7_tns:appl in 0), product of: 
     2.0 = tf(termFreq(mditem7_tns:appl)=4) 
     1.8109303 = idf(docFreq=3, maxDocs=9) 
     0.375 = fieldNorm(field=mditem7_tns, doc=0) 
    0.2975006 = (MATCH) FunctionQuery(1000.0/(1.0*float(top(rord(lastmodified)))+1000.0)), product of: 
    0.999001 = 1000.0/(1.0*float(1)+1000.0) 
    1.0 = boost 
    0.2977981 = queryNorm 

ObjectA: 
1.2324848 = (MATCH) sum of: 
    0.93498427 = (MATCH) max plus 0.1 times others of: 
    0.8632177 = (MATCH) weight(mditem5_tns:appl in 0), product of: 
     0.53929156 = queryWeight(mditem5_tns:appl), product of: 
     1.8109303 = idf(docFreq=3, maxDocs=9) 
     0.2977981 = queryNorm 
     1.6006513 = (MATCH) fieldWeight(mditem5_tns:appl in 0), product of: 
     1.4142135 = tf(termFreq(mditem5_tns:appl)=2) 
     1.8109303 = idf(docFreq=3, maxDocs=9) 
     0.625 = fieldNorm(field=mditem5_tns, doc=0) 
    0.7176658 = (MATCH) weight(mditem7_tns:appl^0.8 in 0), product of: 
     0.43143326 = queryWeight(mditem7_tns:appl^0.8), product of: 
     0.8 = boost 
     1.8109303 = idf(docFreq=3, maxDocs=9) 
     0.2977981 = queryNorm 
     1.6634457 = (MATCH) fieldWeight(mditem7_tns:appl in 0), product of: 
     2.4494898 = tf(termFreq(mditem7_tns:appl)=6) 
     1.8109303 = idf(docFreq=3, maxDocs=9) 
     0.375 = fieldNorm(field=mditem7_tns, doc=0) 
    0.2975006 = (MATCH) FunctionQuery(1000.0/(1.0*float(top(rord(lastmodified)))+1000.0)), product of: 
    0.999001 = 1000.0/(1.0*float(1)+1000.0) 
    1.0 = boost 
    0.2977981 = queryNorm 

Answer 1

el problema es causado por la despalilladora. Se expande "las manzanas son manzanas" a "las manzanas son manzanas manzanas", lo que hace que el campo sea más largo. Como el documento B solo contiene 1 término que está siendo expandido por la lentificadora, el campo permanece más corto que el documento A.

Esto da como resultado diferentes camposNormas.

Answer 2

FieldNOrm se calcula de 3 componentes - impulso en tiempo índice en el campo, impulso índice de tiempo en el documento y campo de longitud. Suponiendo que no está suministrando ningún aumento en el tiempo del índice, la diferencia debe ser la longitud del campo.

Por lo tanto, ya lengthNorm es mayor para los valores de los campos más cortos, de B a tener un valor más alto para fieldNorm el título, debe tener menor número de fichas en el título que A.

Ver las páginas siguientes para una explicación detallada de Lucene de puntuación:

http://lucene.apache.org/java/2_4_0/scoring.html http://lucene.apache.org/java/2_4_0/api/org/apache/lucene/search/Similarity.html