Пользовательская оценка Apache Lucene

Чтобы применить собственную оценку, необходимо установить Similarity вашей собственной реализации. Вы захотите обработать sive в методе calculateNorm, который сохраняется во время индексации. Остальное должен сделать coord. Вы можете расширить TFIDFSimilarity и получить множество вещей бесплатно, освободив вас от необходимости беспокоиться о настройке собственных SimScorer и т.п. Вам просто нужно заглушить большую часть функциональности. Имейте в виду, что это будет дополнительный бит информации, хранящийся с каждым документом.

Итак, что-то вроде:

class MySimilarity extends TFIDFSimilarity {
    // 1/size(d) where size(d) is the number of terms in the Field,
    // rather than the Document (which doesn't really make sense)
    computeNorm(FieldInvertState state, Norm norm) {
        norm.setByte(encodeNorm(1 / state.getLength()));  // encodeNorm loses a great deal of precision, FYI.
    }

    // 1/size(q)
    float coord(int overlap, int maxOverlap) {
        return 1 / maxOverlap;
    }

    float idf(long docFreq, long numDocs) {
        return 1
    }

    float queryNorm(float sumOfSquaredWeights) {
        return 1;
    }

    float scorePayload(int doc, int start, int end, BytesRef payload) {
        return 1;
    }

    float sloppyFreq(int distance) {
        return 1;
    }

    float tf(float freq) {
        return 1;
    }

    float tf(int freq) {
        return 1;
    }
}

Который, я считаю, должен рассчитывать баллы в соответствии с:

(1 / size(q)) * ∑ (1 / size(d))

Который должен работать на то, что вы ищете.

У меня очень сильное ощущение, что вы выплескиваете ребенка вместе с водой из ванны.