官方文档说索引时存储IDF，但IDF是根据文档总量得出来的，后面是需要不断更新这个值吗
Elasticsearch | 作者 stephen_qu | 发布于2019年12月25日 | 阅读数：1629
Q1：
文档中说：
但是IDF是根据索引中文档数量去计算的，那随着索引中的文档数量增减，这个数值要不断变化吗？
Q2:
这个2,5是根据TF-IDF计算出来的吗？那每个文档的“happy”，“hippopotamus”对应的 权重应该都是不同的吧？这里只是为了演示吧？
https://www.elastic.co/guide/c ... -docs
文档中说：
以下三个因素——词频（term frequency）、逆向文档频率（inverse document frequency）和字段长度归一值（field-length norm）——是在索引时计算并存储的。最后将它们结合在一起计算单个词在特定文档中的 权重 。
但是IDF是根据索引中文档数量去计算的，那随着索引中的文档数量增减，这个数值要不断变化吗？
Q2:
设想如果查询 “happy hippopotamus” ，常见词 happy 的权重较低，不常见词 hippopotamus 权重较高，假设 happy 的权重是 2 ， hippopotamus 的权重是 5 ，可以将这个二维向量—— [2,5] ——在坐标系下作条直线，线的起点是 (0,0) 终点是 (2,5)
这个2,5是根据TF-IDF计算出来的吗？那每个文档的“happy”，“hippopotamus”对应的 权重应该都是不同的吧？这里只是为了演示吧？
https://www.elastic.co/guide/c ... -docs
2 个回复
stephen_qu - 多学，多动手，少说废话
赞同来自:
trycatchfinal
赞同来自:
elasticsearch的每个分片是由segment组成的。索引文档，会生成新的segment；删除文档，会记录在del文件中。
segment文件都是不可变的。IDF计算设计的文档数，应该会分别获取segment的文档数求和。