elasticsearch min_doc_freq在类似于此查询的情况下是如何工作的？

据我所知，

min\u term\u freq=2

查看输入文本，该术语仅在至少出现两次时才用于搜索

但是

min\u doc\u freq

是什么意思？文件上说

输入文档中忽略术语的最小文档频率。默认值为5

---

但我不知道这意味着什么？它是查看输入文档还是索引的其余部分？

Lucene评分公式使用权重来反映单词对语料库中文档的意义

因此，输入文档中具有最高 tf idf是该文件的良好代表，可以使用 在析取查询（或）中检索类似文档

这就是为什么更像这个组件使用这个数字统计的原因

MLT查询只是从输入文档中提取文本，然后进行分析 它通常在现场使用相同的分析器，然后选择顶部 K个具有最高tf idf的术语，以形成这些术语的析取查询 条件

idf表示给定术语出现的文档数量的倒数：每个文档中出现的术语将被视为不相关（文档频率高，因此idf低）

话虽如此，在一份文件中只出现一次的单词也可能是打字错误、lorem ipsum摘录或诸如此类的内容：一个没有任何意义的术语，但却具有显著的tf idf权重，因此需要留出一些“空间”，以避免由“理论意义”引起的问题

min\u doc\u freq

允许设置一个阈值，低于该阈值时，任何

docFreq

小于该值的术语（在tf idf最高的选定K个术语中）将从输入文档中被忽略。例如，

min\u doc\u freq=5

术语必须至少出现在5个文档中，否则将从MLT查询中排除。如果您希望MLT返回与给定文档类似的文档，那么只有在查询的术语产生了一个地址正确的主题（至少在5个文档中有地址）的情况下，这才非常有用

那么，它是查看输入文档还是索引的其余部分？
两者：从输入文档中，它需要前K个术语，对于每个术语，检查它们的

docFreq

，这是根据索引查询的术语统计信息

在相同的上下文中，您可以使用

max\u doc\u freq

忽略频繁出现的单词，例如停止词

---

Lucene评分公式使用权重来反映单词对语料库中文档的意义

因此，输入文档中具有最高 tf idf是该文件的良好代表，可以使用 在析取查询（或）中检索类似文档

这就是为什么更像这个组件使用这个数字统计的原因

MLT查询只是从输入文档中提取文本，然后进行分析 它通常在现场使用相同的分析器，然后选择顶部 K个具有最高tf idf的术语，以形成这些术语的析取查询 条件

idf表示给定术语出现的文档数量的倒数：每个文档中出现的术语将被视为不相关（文档频率高，因此idf低）

话虽如此，在一份文件中只出现一次的单词也可能是打字错误、lorem ipsum摘录或诸如此类的内容：一个没有任何意义的术语，但却具有显著的tf idf权重，因此需要留出一些“空间”，以避免由“理论意义”引起的问题

min\u doc\u freq

允许设置一个阈值，低于该阈值时，任何

docFreq

小于该值的术语（在tf idf最高的选定K个术语中）将从输入文档中被忽略。例如，

min\u doc\u freq=5

术语必须至少出现在5个文档中，否则将从MLT查询中排除。如果您希望MLT返回与给定文档类似的文档，那么只有在查询的术语产生了一个地址正确的主题（至少在5个文档中有地址）的情况下，这才非常有用

那么，它是查看输入文档还是索引的其余部分？
两者：从输入文档中，它需要前K个术语，对于每个术语，检查它们的

docFreq

，这是根据索引查询的术语统计信息

在相同的上下文中，您可以使用

max\u doc\u freq

忽略频繁出现的单词，例如停止词