在学习数据库的时候，就接触到了查询，在学习查询的时候，又接触到了模糊查询，最近参与一个搜索引擎项目的开发，发现，在搜索引擎搜索的过程当中，除了精确命中之外，相关性也很重要。
思考
起初的时候，觉得一次搜索，就是查询命中的内容，比如，搜索 '飞机'，在返回飞机相关的内容的时候，希望可以把最相关的内容排列在前面返回，并且类似飞艇，飞船等相关内容也希望有返回，或者作为相关性推荐，那么这个时候如果用mysql like这样的模糊查询感觉是不够的，所以就有了文档相关性打分。
基本概念
词频
首先，要了解一个概念就是词频，就是一个单词在文章当中出现的次数，还是比如搜索 '飞机'，第一段出现了一次，第二段出现了五次，那么相关性上第二段要高于第一段，当然，这里只是基于词频举例，实际上要考虑的因素要更多。
逆文档频率
比词频复杂一点的就是逆文档词频了，逆文档词频是对词的考量，如果一个词，在一篇文档当中出现的评率很高，在其他的文档当中出现的频率也很高，那么这个词在相关性打分过程当中的权重也就很低，比如'的'字，几乎在所有文章当中出现评率都很低，但是实际计算相关性的时候，这个字的权重就很低。
ES的相关性算法
ES采用的是Luncenc的打分机制，Luncenc的默认打分公式如下：
这个公式超级难打（嘿嘿嘿）
简单做一个翻译：
给定查询q和文档d,其得分是查询中给个词条t的等分总和，每个词条的得分是盖茨在文档当d中的词屏（TF）的平方根乘以改词逆文档频率（IDF）的平方再乘以文档字段的归一化因子和该词的提升权重。
这段很绕口，开头自己看的时候晕晕的，所以对每个变量进行了注释，这里在解释一下归一化和提升权重：
归一化：luncenc认为端的句子比长的句子更加重要，比如标题没有内容长，但是标题在相关性计算的时候权重高（这个需要结合语文来理解，嘿嘿嘿），那么，再深度思考，词频高，也就是说句子长这样带来的权重会受到句子长度的抵消，归一化因子就是有此带来的因素。
提升权重是提供给人为干预打分的一个值
这里讲了这么多，大家不要担心，实际操作es的时候并不需要直接操作这个公式，只是作为理解，当然除了这种相关性打分算法之外，还有很多，我们之后再聊，还是请各位大佬多多指点。
