HubbleDotNet 和 Lucene.Net 匹配相关度的比较

         在使用 Lucene.net (Lucene java 版本也是一样)后会感觉Lucene.net 的匹配相关度存在问题，搜索得到的结果往往不是希望的结果，不完全匹配的记录往往比完全匹配的记录排序还要靠前，很多人试图通过分词来解决，中文环境搜索，分词确实能解决一些问题，但不能根本解决问题，而英文环境下，分词根本无法解决任何问题。问题的本质是由于Lucene的得分算法缺陷造成的，不改进得分算法根本不能根本解决问题。HubbleDotNet的得分算法参考了Lucene的得分算法并做了重大改进，匹配相关度比Lucene.net 有了显著提高。本文结合一个极端的例子来分析两者得分算法的异同，并从原理上讲解为什么HubbleDotNet 的匹配相关度要比Lucene.net 的高。

先看例子
      我们对下面两条记录分别用 Lucene.net 2.9.1 和 HubbleDotNet 0.9.7.1 进行索引。
记录1
      教育问题一直是国家最关心的,我们要长抓不懈
记录2
     教育独生子女问题,这是很多家长要关心的问题
 
分词采用盘古分词，分词参数中关闭多元分词。
两个句子的分词结果分别为：
教育/问题/一直/是/国家/最/关心/的/我们/要/长抓/不懈/
教育/独生子女/问题/这/是/很多/家长/要/关心/的/问题/
 
要搜索的句子是：教育问题
其分词结果为：教育/问题/
         从直观上看，记录1 是完全匹配，应该得分比记录2高，这也是我们希望的排序结果，即记录1排在第一个，记录2排第二个。
 
下面看看实际的排序结果：
Lucene.net 的排序结果：（这是盘古分词带的Lucene.net 的例子稍作改动后（将得分输出了）的输出结果) 从结果我们可以看出记录2被排在了第一位，得分为 0.042; 而记录1 的得分为 0.034 排第二位，这个显然不是我们希望的结果。
 
再看HubbleDotNet的结果
这里我们看到记录1被排在第一位，得分为 390218522;记录2 排第二位，得分 85937
 

http://www.cnblogs.com/eaglet/archive/2010/09/07/1820267.html