Search Solr：长度规范化/省略规范=false有什么好处？

我们使用Solr搜索不同长度的文章。我们为描述性元数据（标题、作者、类别、关键字等）和全文编制索引。我们不会在索引时提升相关性——所有提升都是在查询时完成的（我们使用Demax，再加上各种qf、pf和bf提升）

目前，我们的全文字段使用标准值=false；因此，所有其他相同的、较短的文章（2-3列英寸的文章）通常比较长的专题文章（多页）具有更高的相关性

在我们的例子中，文章长度是相关性的一个重要指标，因此我考虑在全文字段中设置omitNorms=true

问题:1。为什么默认的lucene/solr行为会在更高的范围内增加更短的字段长度？原因是什么？ 2.为什么我不想忽略规范？我不需要在这个特定的字段上增加查询，也不需要在这个字段上使用任何类型的刻面。

问题1：

在较高字段长度上增加较短字段长度与确定文档相关性的基本概念TF-IDF有关（请参阅）。作为一个简短的例子，考虑您的搜索返回两个文档：第一个是100个单词，第二个是1000个单词。每个都只包含一次搜索关键字。由于第一个文档中的关键字占文本的1%，因此短文档比长文档更适合您的搜索，其中您搜索的关键字仅占文本的0.1%

问题2：

听起来，基于您的需求，您可能希望尝试省略规范。然而，这可能会以你意想不到的方式扭曲你的搜索结果。这可能是因为您一直受益于长度规范化的一些好特性，但没有意识到这一点。另一种方法可能是将文档长度实际存储为某种标记字段，例如将文档标记为“短”、“中”和“长”，然后增强匹配长、长、中或其他类型的文档。这还可以让最终用户在搜索时根据文档长度进行过滤

---

同样，当我提到长度规范化的好特性时，您可能会想到这样的情况：存在一篇涉及10个不同主题的超长文章，其中1个与用户的搜索匹配，或者存在一篇只涉及1个主题的长文章，即搜索的主题。在这种情况下，您可能更喜欢长文章而不是超长文章（即使超长文章与搜索关键字匹配的次数更多）。这更多地取决于您的数据和用例

迈克，谢谢你。这听起来像我之前想的——很高兴得到证实。