TF/IDF
詞頻（TF）
其實就是一個詞在一篇文章中出現的頻率在開平方，頻率越高，說明這個詞在這篇文章中的權重越高
IDF
idf(word) = 1+log(numDocs/(docFreq +1))
numdocs是所有文檔的數量，docFreq 是包含有word的文檔的數量。可以看出當docFreq越大，則IDF越小，例如像the這樣的詞，幾乎每篇文章裏都有，所以這樣的詞權重就很低
Field-length norm
可以想象，如果文檔的長度越小，那麼某個詞在這個文檔中的權重就越高。Field-length norm
的計算方法
norm(d) = 1/sqrt(numTerms)
在全文索引中Filed-length norm是很重要的，而其他類型的檢索可能不需要field-length norm。對於每個string field norms大約消耗一個字節的存儲容量，所以當我們不需要全文索引，僅僅是查找關鍵詞的時候，不要norms功能可以節省不少的存儲空間。
將上述參數合起來
上述的三個因素—詞頻（TF），逆向文件頻率（IDF）和filed-length norm， 實在在索引時間計算和保存的。這些被用來計算一個單詞在某個特定文檔中的權重。
向量空間模型
當然我們在索引文件的時候並不是單單用一個單詞，當我們用多個詞來搜索某個文件的時候怎麼辦呢？
這時候我使用向量空間模型。一個向量中的每一個數字是一個單詞在這個文檔中的權重（用TF/IDF計算的）。
首先先計算查詢字符串的對於每個詞的權重向量，然後再計算文檔的向量。然後再用餘弦定理計算兩個文檔向量的距離d，d越接近於1說明訪問字符串和這個文檔的相關度越高。