上海大众快捷搬迁运输数据解决之搜索如何命中？(3)
Q：为什么会有F1值的存在呢？有精确率和召回率不够吗？
A：答案是：不够！正常情况下我们是期望精确率和召回率越高越好，但这两者在某些情况下是彼此矛盾的。仍以桔子苹果为例，如果系统只筛选出了1个桔子，那么精确率便是 100%，召回率是1/7就会很低；如果系统一次筛选出了10个，那么召回率便是 100%，精确率就只有70%。
除此之外，还有一个比较 容易混淆的概念：准确率(Accuracy)，即判断正确的数目与总数目的比值，其中判断正确的数目包括 筛选出的符合要求的和未筛选出的不符合要求的。
仍以桔子苹果为例，准确率A=（4+1）/10=50%，即系统正确筛选出的水果（正确识别了4个桔子+正确识别了1个苹果）与总数的比值。
准确率一般不消于搜索召回的衡量，原因是若上例中苹果数量为100万个，桔子7个时，那么不管怎么筛选，准确率都是99.99%+，显然这是不符合要求的。
三、排序排序影响着搜索的结果质量，越往前的结果越容易获得用户的点击。好的搜索不单 仅是把应该搜索的内容尽可能的搜索出来，同时还要考虑把最容易吸引用户的内容展示在前面，因此这里就涉及到两个因素：文本数据和业务数据。
3.1 文本数据文本数据即文本的相关性分数乘以权重。关于如何计算文本的相关性，市面上已经有成熟的开源处理方案，如Lucene算法。然后依照 文本类型给出相应的权重，好比系统中有题目 、描述和正文三种文本，依照 重要性分袂 赋予不同 权重：题目 权重为10，导语权重为5，正文权重为1。
3.2 业务数据业务数据即数据的分数乘以权重。关于数据的分数是数据具体的值。然后依照 业务类型给出相应的权重，好比系统中有评论量、分享数、阅读量三种数据，依照 重要性分袂 赋予不同 权重：评论数权重为10，分享数权重为20，阅读量权重为1。
举例：以基于Lucence的Solr系统为例，得分公式如下：
其中Nx为文天职数权重，Mx为文本数据相关性分数，Ky为数据分数权重，Ly为数据分数。
由此可以看出，对文本数据和业务数据赋予的权重直接影响最终的排序结果，如何赋值、赋予何值需要基于对业务的理解和认知，这也是一个搜索系统设计最核心的部分 。