原文地址：https://gitbook.cn/books/5e572c3d4d2b8f73fbc8e6ea/index.html

    一般情况，相关度都是指计算全文的 field 的内容与全文 query 串的相关度。

    下面是决定了 Elasticsearch 中的决定文档得分的处理要素：

    • 词频（TF：Term Frequency）：词频是对一个词在文档的内容中出现次数的计量。如果出现次数多，得分就高，该文档与查询相关的可能性就高。
    • 逆文档频率（IDF）：逆文档频率是对搜索的词在文档集中出现的频率的衡量。如果一个搜索词在很多文档中都普遍地出现，（这个词）的得分就比较低。那种稀有词如果在文档中频繁出现，会把评分值 boost 的较高。
    • 共现因子（Coord）：共现因子是对出现多个搜索词的衡量，query中的词共现的越多，整体的得分就越高。比如搜索这两个词“woolen（羊毛）”&“jacket（夹克）”。两个词放在一起搜也没啥问题：在内部会转化为 bool 查询，每个词都会单独的去搜索。两个词都包含的文档比那些只包含一个词的文档得分高。如果你给 query 的权重是 2，那么两个词都包含的词的 coord 是22=4。只包含一个词的coord权重就是 21=2。
    • 长度标准化（lengthnorm）：会衡量短 field 的匹配，给出更高的权重。Lucene 考虑了文章的长度，因为考虑到更长的文章会包含更多的词，从而通过 lengthnorm 进行标准化。所以 Lucene 会更偏向于短标题。比如 title，短文本的标准化因子 0.5，而较长的标题可能只有 0.01。所以标准化因子可能极大的影响得分。比如，如果搜索词在 title 中，那它比在 content 中更相关，得分更高。
    • Query 标准化（querynorm）：虽然不直接与文档相关度相关，querynorm 在你对 query 类型的组合时，可以对 query 进行衡量。
    • Index 时 boost（index time boost）&Query 时 boost（query time boost）：可以在索引时和查询时进行 boost。对特定的 field 进行 boost 时，会让得分的计算更加明显。
    • Lucene 的评分计算：默认的 ES 的得分算法是布尔检索与空间向量模型的组合。通过布尔模型的文档会通过空间向量模型进行下一步的评分计算。