文档

基础排序函数

更新时间:

基础排序即是海选,从检索结果中快速找到质量高的文档,取出TOP N个结果再按照业务排序进行精细算分,最终返回最优的结果给用户。由此可见,基础排序对性能影响比较大,业务排序对最终排序效果影响比较大。因此,基础排序要求尽量简单有效,只提取业务排序中的关键因子即可。同时,基础排序与业务排序目前均通过排序表达式的方式进行配置。下文将介绍基础排序中支持的排序特征函数项。

排序特征函数项

static_bm25 : 静态文本相关性,用于衡量query与文档的匹配度

  1. 详细用法static_bm25()

  2. 参数无

  3. 返回值float,值域为[0,1]

  4. 适用场景1:在基础排序的表达式中指定文本分;表达式中设置:static_bm25()

  5. 注意事项

    • 默认基础排序default中即会生效static_bm25()

说明

static_bm25()得分超过1的情况:

如果用户查询时同时配置了查询分析,比如同义词,默认的查询是query=index:'苹果',配置同义词之后的查询是query=index:'苹果' OR index:'apple') 那么如果有文档内容同时命中了苹果和apple,此时static_bm25()的得分会被累加,即最后的基础排序分将大于1

exact_match_boost :获取查询中用户指定的查询词权重最大值

  1. 详细用法exact_match_boost()

  2. 参数无

  3. 返回值int,值域为[0, 99]

  4. 适用场景:查询为query=default:’开放搜索’^60 OR default:’opensearch’^50,希望按照实际匹配词boost权重来排序。如果文档A包含“开放搜索”,文档B包含“opensearch”,则文档A排到文档B前面。基础排序表达式为:exact_match_boost()

  5. 注意事项

    • 函数参数依赖字段需创建为索引

    • 如果对于没有指定boost的查询词默认boost值为99。

    • 独享型应用,exact_match_boost函数配置在基础排序中,可支持 [‘sum’, ‘max’]二种参数配置:1

timeliness : 时效分,用于衡量文档的新旧程度

  1. 详细用法timeliness(pubtime)

  2. 参数pubtime:要评估的字段,类型必须为int,单位为秒

  3. 返回值float,值域为[0,1],值越大表示时效性越好。若大于当前时间则返回0。

  4. 适用场景:在基础排序中指定create_timestamp字段的时效性;表达式中设置:timeliness(create_timestamp)

  5. 注意事项

    • pubtime字段必须配置为属性字段。

timeliness_ms : 时效分,用于衡量文档的新旧程度

  1. 详细用法timeliness_ms(pubtime)

  2. 参数pubtime:要评估的字段,类型必须为int,单位为毫秒

  3. 返回值float,值域为[0,1],值越大表示时效性越好。若大于当前时间则返回0。

  4. 适用场景:在基础排序中指定create_timestamp字段的时效性;表达式中设置:timeliness_ms(create_timestamp)

  5. 注意事项

    • pubtime字段必须配置为属性字段。

normalize :归一化函数,根据不同的算分将数值归一化至[0, 1]

  1. 场景概述相关性计算过程中,一篇doc的好坏需要从不同的维度衡量。而各个维度的分数值域可能不同,比如网页点击数可能是成百上千万,网页的文本相关性分数在[0, 1]之间,它们之间没有可比性。为了在公式中使用这些元素,需要将不同的分数归一化至同一个值域区间,而normalize为这种归一化提供了一种简便的方法。normlize支持三种归一化方法:线性函数转化、对数函数转化、反正切函数转化。根据传入参数的不同,normalize自动选择不同的归一化方法。如果只指定value参数,normalize使用反正切函数转化,如果指定了value和max参数,normalize使用对数函数转化,如果指定了value、max和min,normalize使用线性函数转化。

  2. 详细用法:normalize(value, max, min)

  3. 参数value:需要做归一化的值,支持double类型的浮点数,该值可以来自文档中的字段或者其他表达式max:value的最大值,可选,支持double类型的浮点数min:value的最小值,可选,支持double类型的浮点数

  4. 返回值double,[0, 1]之间的值。

  5. 适用场景1:对price字段做归一化,但是不知道price的值域,可以使用如下公式进行归一化normalize(price)

    场景2:对price字段做归一化,但是只知道price的最大值为100,可以使用如下公式进行归一化normalize(price, 100)

    场景3:对price字段做归一化,并且知道price的最大值为100,最小值为1,可以使用如下公式进行归一化normalize(price, 100, 1)

    场景4:将distance函数的结果归一化至[0, 1]normalize(distance(longitude_in_doc, latitude_in_doc, longtitude_in_query, latitude_in_query))

  6. 注意事项:

    • 函数参数需创建为属性

    • 使用反正切函数进行归一化时,如果value小于0,归一化后的值为0

    • 使用对数函数进行归一化时,max的值要大于1

    • 使用线性函数进行归一化时,max要大于min

category_score:类目预测函数

函数描述:返回参数中指定的类目字段与类目预测query的类目匹配分

  1. 详细用法

    category_score(cate_id)

  2. 参数

    cate_id:训练时作为类目ID的字段,类型必须为int。

  3. 返回值INT,值域为[0,2]。

  4. 适用场景:可以参考类目预测功能使用场景;表达式中设置:category_score(cate_id)

  5. 注意事项