indexing - More_like_this elasticsearch如何工作(进入整个索引)

Question

因此，首先我们获得一个termVectors列表，其中包含所有标记，然后创建一个map<token, frequency in the document>.然后createQueue方法将通过删除，出现的单词不足的stopWords和word来确定分数，计算idf，然后计算给定 token 的等于其 token 的idf * doc_frequency，然后保留25个最佳 token ，但是之后如何这行得通？与整个指数相比如何？我读了http://cephas.net/blog/2008/03/30/how-morelikethis-works-in-lucene/，但没有解释，或者我没说清楚。

Answer 1

它从每个术语中创建一个TermQuery，并将它们全部切成一个简单的BooleanQuery，以先前计算的tfidf分数(boostFactor * myScore / bestScore，用户可以设置boostFactor)提升每个术语。

这是the source (version 5.0):

private Query createQuery(PriorityQueue<ScoreTerm> q) {
  BooleanQuery query = new BooleanQuery();
  ScoreTerm scoreTerm;
  float bestScore = -1;

  while ((scoreTerm = q.pop()) != null) {
    TermQuery tq = new TermQuery(new Term(scoreTerm.topField, scoreTerm.word));

    if (boost) {
      if (bestScore == -1) {
        bestScore = (scoreTerm.score);
      }
      float myScore = (scoreTerm.score);
      tq.setBoost(boostFactor * myScore / bestScore);
    }

    try {
      query.add(tq, BooleanClause.Occur.SHOULD);
    }
    catch (BooleanQuery.TooManyClauses ignore) {
      break;
    }
  }
  return query;
}