首先， nutch中的評分由Lucene的評分計算公式獲得，分值計算方式為查詢語句q中每個項t與文件d的匹配分值之和，當然還有權重的因素。
公式中的各項對應了評分詳解的內容：
lf(t in d) 項頻率因子——文件（d)中出現項（t)的頻率
lidf(t) 項在倒排文件中出現的頻率：它被用來衡量項的“唯一”性.出現頻率較高的term具有較低的idf,出現較少的term具有較高的idf
lboost(t.field in d) 域和文件的加權，在索引期間設定.你可以用該方法對某個域或文件進行靜態單獨加權
llengthNorm(t.field in d)域的歸一化（Normalization)值，表示域中包含的項數量.該值在索引期間計算，並儲存在索引norm中.對於該因子，更短的域（或更少的語彙單元）能獲得更大的加權
lcoord(q,d) 協調因子（Coordination factor),基於文件中包含查詢的項個數.該因子會對包含更多搜尋項的文件進行類似AND的加權
lqueryNorm(q)每個査詢的歸一化值，指毎個查詢項權重的平方和
下面對“用心”檢索結果的第一條資訊的評分進行解釋。
score for query:用心
0.02927261 = (MATCH) sum of:
o0.021942485 = (MATCH) weight(anchor:用心^2.0 in 373), product of:
§0.35618502 = queryWeight(anchor:用心^2.0), product of:
§2.0 = boost
§6.3082676 = idf(docFreq=1)
§0.028231604 = queryNorm
§0.061604176 = (MATCH) fieldWeight(anchor:用心in 373), product of:
§2.0 = tf(termFreq(anchor:用心)=4)
§6.3082676 = idf(docFreq=1)
§0.0048828125 = fieldNorm(field=anchor, doc=373)
o7.4737903E-4 = (MATCH) weight(content:用心in 373), product of:
§0.142725 = queryWeight(content:用心), product of:
§5.055505 = idf(docFreq=6)
§0.028231604 = queryNorm
§0.0052364967 = (MATCH) fieldWeight(content:用心in 373), product of:
§1.4142135 = tf(termFreq(content:用心)=2)
§5.055505 = idf(docFreq=6)
§7.324219E-4 = fieldNorm(field=content, doc=373)
o0.006582746 = (MATCH) weight(title:用心^1.5 in 373), product of:
§0.26713878 = queryWeight(title:用心^1.5), product of:
§1.5 = boost
§6.3082676 = idf(docFreq=1)
§0.028231604 = queryNorm
§0.02464167 = (MATCH) fieldWeight(title:用心in 373), product of:
§1.0 = tf(termFreq(title:用心)=1)
§6.3082676 = idf(docFreq=1)
§0.00390625 = fieldNorm(field=title, doc=373)
score for qurey中
第一行是總匹配分值——每個文件的域：anchor，title和content，最終匹配分值=查詢語句在域中的得分之和。0.02927261=0.021942485+7.4737903E-4 +0.006582746 ；
第二行項在域的匹配分值——“用心”在title中的匹配分值0.006582746是怎麼算出來的。t在field中的分值score = 查詢權重queryWeight * 域權重fieldWeight，即0.006582746=0.26713878*0.02464167。
第三行queryWeight——queryWeight的預設情況下boost=1.0，本次檢索為2.0，queryWeight = idf *queryNorm*boost，查詢權重queryWeight0.35618502=6.3082676*0.028231604*2。
第四行boost 是域和文件的加權，取值為2.0
第五行idf是項在倒排文件中出現的頻率—— docFreq是根據指定關鍵字進行檢索，檢索到的Document的數量，我們測試的docFreq=1；
第六行queryNorm——當預設的boost= 1.0情況下，sumOfSquaredWeights = idf * idf，idf分別來自 {用心} *{title, content}的組合。然後，就可以計算queryNorm的值了，計算如下所示：queryNorm = (float)(1.0 / Math.sqrt(sumOfSquaredWeights)
第七行fieldWeight——fieldWeight = tf * idf * fieldNorm
tf和idf的計算參考前面的，fieldNorm的計算在索引的時候確定了，此時直接從索引檔案中讀取，這個方法並沒有給出直接的計算。如果使用DefaultSimilarity的話，它實際上就是lengthNorm，域越長的話Norm越小。這個我就不再驗算了，每個域的Terms數量開方求倒數乘以該域的boost得出最終的結果。