Lucene通過計算文檔的得分來確定查詢結果文檔的相似度。如果你希望通過干預Lucene查詢來改變查詢結果的排序，你就需要對Lucene的得分計算有所理解。Lucene得分計算公式如下所示：
score(q,d) = coord(q,d)·queryNorm(q)·∑( tf(t in d)·idf(t)^2·t.getBoost()·norm(t,d) )其中，t in q。
下面詳細解釋公式乘積的每個因子的含義，以及是如何計算的，這樣能夠加深對Lucene得分計算的理解，才能在實際應用中根據需要調整各個參數，從而制定滿足應用的排序策略。
coord(q,d)因子
coord(q,d)能夠影響到檢索結果文檔的得分，它的計算公式如下：
coord(q,d) = overlap / maxOverlap例如，查詢關鍵詞中經過解析（QueryParser）處理，得到兩個Term分別爲title:search和content:lucene，那麼對應於公式中有，maxOverlap=2。
例如，對於下面這個索引的Document，代碼如下：
Document doc = new Document();
doc.add(new Field("title", "search engine", Field.Store.YES, Field.Index.ANALYZED));
doc.add(new Field("content", "good lucene luke lucene search server", Field.Store.YES, Field.Index.ANALYZED));
indexWriter.addDocument(doc);在content這個Field中（"good lucene luke lucene search server"）匹配上了content:lucene，所以對應於公式中有，overlap=2，所以coord(q,d)=2/2=1。
queryNorm(q)因子
queryNorm(q)是查詢權重對得分的影響，它的計算公式如下：
queryNorm(q) = queryNorm(sumOfSquaredWeights)=1/(sumOfSquaredWeights^(1/2))
sumOfSquaredWeights
繼續看一下，在BooleanQuery中sumOfSquaredWeights的計算：
sumOfSquaredWeights = q.getBoost()^2·∑( idf(t)·t.getBoost() )^2因爲這是在計算查詢的權重，所以上式求和部分中出現的t都是在q裏面出現的Term（t in q）。
q.getBoost()
上式中q.getBoost()是一個查詢子句被賦予的boost值，因爲Lucene中任何一個Query對象是可以通過setBoost(boost)方法設置一個boost值的，下面我們通過一個相對比較複雜的例子來說明一下：
BooleanQuery bq1 = new BooleanQuery(); // 第一個BooleanQuery查詢子句
TermQuery tq1 = new TermQuery(new Term("title", "search"));
tq1.setBoost(2.0f);
bq1.add(tq1, Occur.MUST);
TermQuery tq2 = new TermQuery(new Term("content", "lucene"));
tq2.setBoost(5.0f);
bq1.add(tq2, Occur.MUST);
bq1.setBoost(0.1f); // 給第一個查詢子句乘上0.1，實際是減弱了其貢獻得分的重要性
BooleanQuery bq2 = new BooleanQuery(); // 第二個BooleanQuery查詢子句
TermQuery tq3 = new TermQuery(new Term("title", "book"));
tq3.setBoost(8.0f);
bq2.add(tq3, Occur.MUST);
TermQuery tq4 = new TermQuery(new Term("content", "lucene"));
tq4.setBoost(5.0f);
bq2.add(tq4, Occur.MUST);
bq2.setBoost(10.0f); // 給第二個查詢子句乘上10.0，該子句更重要
BooleanQuery bq = new BooleanQuery(); // 對上述兩個BooleanQuery查詢子句再進行OR運算
bq.add(bq1, Occur.SHOULD);
bq.add(bq2, Occur.SHOULD);
上述代碼可以這樣理解：“我想要查詢包含Lucene的文章，但標題最好是含有book的”，也就是說“我想查找介紹Lucene的書籍，如果沒有沒有關於Lucene的書籍，包含介紹Lucene查詢search的文章也可以”。
所以上述兩個布爾查詢子句設置的boost值（0.1<<10.0），就對應於我們上述公式中的q.getBoost()。
idf(t)
idf(t)就是反轉文檔頻率，含義是如果文檔中出現Term的頻率越高顯得文檔越不重要，Lucene中計算該值的公式如下：
idf(t) = 1.0 + log(numDocs/(docFreq+1))其中，numDocs表示索引中文檔的總數，docFreq表示查詢中Term在多個文檔中出現。
t.getBoost()
t.getBoost()表示查詢中的Term給予的boost值，例如上面代碼中：
TermQuery tq3 = new TermQuery(new Term("title", "book"));
tq3.setBoost(8.0f);
title中包含book的Term，對匹配上的文檔，通過上面公式計算，乘上t.getBoost()的值。
∑( tf(t in d)·idf(t)^2·t.getBoost()·norm(t,d) )因子
上面t還是在q中出現的Term即t in q。
norm(t,d)
這裏，解釋一下norm(t,d)的含義，計算公式如下所示：
norm(t,d) = doc.getBoost()· lengthNorm· ∏ f.getBoost()norm(t,d)是在索引時（index-time）進行計算並存儲的，在查詢時（search-time）是無法再改變的，除非再重建索引。另外，Lucene在索引時存儲norm值，而且是被壓縮存儲的，在查詢時取出該值進行文檔相關度計算，即文檔得分計算。
需要注意的是，norm在進行codec的過程中，是有精度損失的，即不能保證decode(encode(x)) = x永遠成立，例如 decode(encode(0.89)) = 0.75。
如果你在相關度調優過程中，發現norm的值破壞了文檔相關性，嚴重的話，可以通過Field.setOmitNorms(true)方法來禁用norm，同時減少了該norm的存儲開銷，在一定程度上加快了查詢過程中文檔得分的計算。是否使用norm，需要根據你的應用來決定，例如，如果一個Field只存儲一個Term，或者Field很短（包含的Term很少），一般是不需要存儲norm的。
doc.getBoost()
這個就是Document的boost值，在索引的時候可以通過setBoost(boost)方法設置，例如我們一般認爲title會比content更重要，所以在索引時可以對title進行boost（大於1.0）。
lengthNorm
lengthNorm是一個與Field長度（包含Term數量）有關的因子，Lucene中計算公式如下：
lengthNorm = 1.0 / Math.sqrt(numTerms)其中，numTerms表示一個Field中Term的數量。
一般來說，一個Term在越短的Field中出現，表示該Term更重要，有點類似idf的含義。
∏ f.getBoost()
Lucene索引時，一個Document實例中，可以多次添加具有同一個Field名稱的Field對象，但是值不相同，如下代碼：
Document doc = new Document();
doc.add(new Field("title", "search engine", Field.Store.YES, Field.Index.ANALYZED));
Field fcontent1 = new Field("content", "nutch solr lucene lucene search server", Field.Store.YES, Field.Index.ANALYZED);
fcontent1.setBoost(2.0f);
doc.add(fcontent1);
Field fcontent2 = new Field("content", "good lucene luke lucene index server", Field.Store.YES, Field.Index.ANALYZED);
fcontent2.setBoost(5.0f);
doc.add(fcontent2);
indexWriter.addDocument(doc);
我們在doc裏面添加了同名content的兩個字符串，對與這種情況，在計算得分的時候，是通過 ∏ f.getBoost()連乘積來計算得到的。
例如，我們查詢content:lucene，上面Document doc中兩個content的Field都匹配上了，在計算的時候有： ∏ f.getBoost() = 2.0 * 5.0 = 10.0。如果查詢content:solr，則只有一個Field匹配上了，則 ∏ f.getBoost()=2.0。
參考內容
http://lucene.apache.org/java/3_1_0/api/core/org/apache/lucene/search/Similarity.html
