Lucene中搜索结果质量的确定

我已经在Lucene中使用邮件列表、wiki、博客帖子等搜索了几天关于分数标准化的内容（现在我知道这是不可能的）。我将暴露我的问题，因为我不确定分数标准化是否是我们项目所需要的

背景： 在我们的项目中，我们在Lucene之上使用Solr，并使用定制的RequestHandler和SearchComponents。对于给定的查询，我们需要检测查询何时得到较差的结果以触发不同的操作

假设： Inmutable索引（一旦索引，它就不会更新）和相同的查询技巧（使用相同字段boosting的dismax qparser，没有boost函数，也没有boost查询）

问题： 我们知道分数标准化是不可实现的。但有没有办法（使用TF/IDF和boost字段假设）确定搜索结果匹配质量差的时间

我们有一个包含科学论文的索引，另一个包含医疗中心的信息。当用户对第一个索引进行查询并得到很差的结果（从分数推断？）时，我们希望查询第二个索引并使用一些阈值（分数阈值？）合并结果

---

提前感谢

你是对的，不同查询之间的分数标准化没有意义，因为几乎所有的相似性度量都基于术语频率，这当然是查询的局部特征

然而，我认为，在您描述的这种非常特殊的情况下，比较分数是可行的，只要您能够覆盖默认的相似性，使用联合计算的两个索引的IDF。例如，您可以通过将所有文档保存在一个索引中并添加一个额外的（并隐藏到用户的）“type”字段来轻松实现。然后，您可以比较这些查询返回的绝对值

一般来说，可以通过查看一些特征来确定低质量的结果，例如非常少的结果，或者一些分数的奇数分布，但我认为这实际上并不能解决您的问题。它看起来更类似于合并孤立搜索结果的问题，例如在中讨论了该问题