Lucene 10.0 Similarity 与 BM25 评分模型深度解析：从信息检索理论到电商搜索实战
用户问题原文：Similarity 是什么？Lucene 默认使用哪种评分模型（如 BM25）？
本文将系统性拆解 Apache Lucene 10.0 中 Similarity 抽象层 及其默认实现 BM25（Best Match 25） 的数学原理、源码实现、配置调优与生产实践。我们将以 电商商品搜索场景 为背景——需解决“短 query 匹配长 description”、“热门商品过度曝光”、“新商品冷启动”等经典问题——深入剖析 Lucene 如何通过概率检索模型，将原始词频（TF）、逆文档频率（IDF）、字段长度归一化（Norm）等因子融合为最终相关性得分，并提供可落地的自定义评分方案。
一、问题引入：电商搜索的“相关性危机”
某跨境电商平台用户搜索“无线耳机”，结果：
- 排名第一的是标题含“无线耳机”的低销量商品；
- 真正热销的“Apple AirPods Pro”因描述中“无线”出现较少而排在第 8 位；
- 用户点击率（CTR）持续下降，GMV 损失显著。
根本原因：未理解 Lucene 默认评分模型
