我正在尝试在Lucene中实现一种与tf-idf无关的自定义评分公式（因此仅更改相似度将不起作用）。
为了做到这一点，我需要能够针对索引中存储的每个文档生成得分-而不仅仅是匹配查询术语的文档（因为我的评分涉及检查本质上是同义词的内容，因此即使文档没有确切的术语，它仍然可以产生积极的分数）。最好的方法是创建一个IndexReader并调用Document d = reader.doc(i)以获取所有文档的信息（如此处所述here），然后即时生成分数。
我一直在查看Lucene的评分内部，特别是各种Scorer和Collector类，很明显发生的事情（对于Lucene 3.2）是Weight提供一个Scorer，它与Collector一起循环遍历所有与查询匹配的文档。我是否可以以某种方式利用此结构，但再次获得自定义Scorer实现以考虑所有文档？
如果您决定采用自定义评分方案，则正确的方法是使用CustomScoreQuery子类，并重写getCustomScoreProvider以返回CustomScoreProvider子类。 CustomScoreQuery构造函数需要一个子查询。在这里，您将希望提供一个快速的本地Lucene查询，该查询可以在通过自定义评分计算之前尽可能缩小结果集。您还可以安排存储任意数量的浮点值与每个文档，并使其可由自定义评分提供程序访问。您将需要为每个此类浮点值向CustomScoreQuery的构造函数提供适当的ValueSourceQuery。请参阅这些类的Javadocs，它们写得很好。不幸的是，我手头没有Java代码片段。
据我理解，Lucene将（term，doc）对存储在其索引中，因此查询的实现方式如下：
我从未实现过自己的评分算法，但我会首先查看IndexReader.termDocs；它似乎实现了第一步。
使用IndexReader.termDocs，您可以遍历一个术语的帖子列表，即包含该术语的所有文档。您可以使用此功能在Lucene之上提供自己的查询处理，但是那样您将无法使用任何Query、Similarity等内容。
另外，如果您正在使用同义词Lucene在contrib包中有一些东西。另一个可能的解决方案（不知道您是否尝试过）是通过Analyzer（或其他方式）将同义词注入文档中。这样，即使文档没有查询术语，您也可以返回它们。
