在solr中对术语频率给予较少的权重？

如何更改Solr的评分函数，以减少术语频率的权重

我使用类似pagerank的文档增强作为相关性因素。我的搜索索引目前将许多垃圾文档或未清理好的文档放在顶部，并且有重复的单词

我知道分数是通过搜索词在文档中的频率、反向文档频率等计算的。我可以只是增加刺激，但这也会忽略其他因素

---

是在查询时指定函数的方法，默认函数是什么，还是必须更改配置和重新索引？我将django haystack与solr一起使用，如果这有什么不同的话。

我不确定这是最好的方法，但这似乎有效。我在java中创建了一个相似的子类。在经典相似性中，术语频率定义为sqrtfreq。增加一个乘法因子是没有意义的，因为tf是与其他项相乘的，而不是相加的——比例因子将被统一应用。也就是说，比例*a*b没有意义，比例*a+b会有意义。但在这种情况下，你能做的是a^scale*b。这基本上是在对数中应用比例因子：logscore=scale*loga+logb

还要注意，默认的相似性函数似乎不是TF-IDF，而是BM25。这是TF-IDF的一个变体

包com.example.solr； 导入org.apache.lucene.search.complications.ClassicSimilarity； 公共类CustomSimilarity扩展了ClassicSimilarity{ @凌驾 公共浮动tffloat freq{ 返回float Math.powfreq，0.25；//默认值：0.5 } @凌驾 公共字符串toString{ 回归相似性； } } 用以下代码编译：

javac -cp /path/to/solr-6.6.1/server/solr-webapp/webapp/WEB-INF/lib/lucene-core-6.6.1.jar:. -d . CustomSimilarity.java
jar -cvf myscorer.jar com

然后，添加到solrconfig.xml：

在schema.xml中：

---

重新启动solr后，您可以验证新的相似性类是否正在下使用http://localhost:8983/solr///schema.

随着Solr6的发布，默认相似性切换为BM25。您现在还可以为每个字段设置相似性类，这样您就可以有一个字段的计算结果与其他字段不同。谢谢您提供的信息！下面是一个关于Lucene中TD-IDF和BM25之间差异的指导性链接：