版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/itsoftchenfei/article/details/83109730
前面已经对Lucene的基本内容有一个相关的了解，特别是反向索引 ，接下来将重点介绍下相关度排名。
1. 什么是相关度排名
直观理解搜索结果精准由高到低
如：要查询 苍老师、tony、火锅有关的新闻：
含有三个关键字（相关度最高）的新闻排前面，含两个关键字（相关度次之）排次之，含一个关键字 的排次次之。
当然，这是由一个算法完成的。
2. 如何设计相关性模型
利用出现次数来建立模型
规则1： 统计出现次数，根据次数从高到低排
{{1,5},{5,3},{12,1},{8,1}}：文章1出现5次，文章5出现3次，文章12出现1次，文章8出现1次。问题：标题中出现苍老师，与新闻的内容中出现苍老师，哪个是专门写苍老师的相关度高些？
规则2：加入权重，标题权重10，内容权重1，计算权重得分，按高-低排序
{{1,23},{12,10},{5,3},{8,1}}，总结：利用出现次数来建立模型这个相关性模型很简单。有时排序会不是很准确。
复杂的相关性计算模型有：
- TF/IDF和字段长度准则(长度越长，相关性越低)，即检索词频率【检索词在该字段出现的频率】/反向文档频率【检索词在索引中出现的频率】，具体参参阅es-search
- 向量空间模型
- 贝叶斯概率模型，如：BM25
搜索引擎中会提供一种、或多种实现供选择使用，电商网站中的搜索相关性计算会考虑更多，更复杂。