爲什麼Lucene使用maxDoc而不是numDocs來計算term idf？

Question

我發現這對Lucene的Similarity類public float idf(Term term, Searcher searcher)方法的javadoc：

注意Searcher.maxDoc（）是用來代替的IndexReader＃numDocs（） 因爲還Searcher.docFreq（期限）時，當後者是 不準確，所以是Searcher.maxDoc（），並在相同的方向。在 另外，Searcher.maxDoc（）計算效率更高。

這對我來說不太合理。這是否與索引讀取器中的文檔刪除有關？

Answer 1

是的，完全正確。每當文檔被刪除（或更新時，由於Lucene中的更新只是一個刪除後跟一個添加），文檔將保留在索引中，直到這些段合併爲止，通常是通過索引優化。它不會被搜索結果返回，而是被刪除，但它的條款仍會對idf評分產生影響。

的LuceneFAQ具有與此有關，特別是在this answer on deletion末段的一些信息，並this addressing maxDoc specifically