在lucene4以前，一直都是使用经典的向量空间模型作为其检索模型，这种方式虽然统一了评分算法，简化了计算，但是带来的问题是很难去调整，一旦向量空间模型不适合，也很难去替换一种更好的算法。   而lucene4则将检索模型与事实上的搜索做了解耦和抽象，并且加入了另外几种检索模型的实现，其中就有经典的BM25。   经典的向量空间模型的理论基础及其在lucene中的应用   向量空间模型是信息

IndexSearcher是搜索的入口，主要提供的api都是关于search的。关于搜索，比较有意思的话题有这么几个： 如何计算打分，这个问题已经在空间向量模型一文中讨论过？如何从一个 搜索词得到一个Query对象？如何从 Query对象到评分器从而计算打分的？几个 重要的参数是如何在被组织起来计算的，比如n, filter, sort, collector等。另外， 分页是如何进行的？