vespa - 有没有办法与 Vespa 执行加权元素相似度？

Question

我在处理元素相似性方面的多值查询项和字段时遇到问题。例如，如果我们有一个像这样的字符串数组:

field colors type array<string>
# That might have several items like: "blue", "black and purple", "green", "yellow", etc

我希望查询项目列表:

"blue" (weight 0.5), "black" (weight 1.0)

有没有办法执行加权列表相似度，可能如下所示:权重 * elementSimilarity(颜色为蓝色)+ 权重 * elementSimilarity(颜色为黑色)？

我尝试了多种功能，包括nativeRank，但根据查询数组和字段数组的长度，我得到的结果不一致。由于我也希望能够处理拼写错误，因此“blu”应该与“blue”具有非常高的匹配度 - 因此我更喜欢 elementSimilarity。我想我已经尝试了 vespa 中的大部分等级功能，但我还没有找到更好的方法来处理这个用例。

任何指导将不胜感激!谢谢!

编辑:详细说明一下，也许 Vespa 对我来说最大的限制是如何在查询中处理数组。我非常想做这样的事情:

expression {
    foreach(terms,N,query(colors,N).weight*elementSimilarity(query(colors,N)),true,sum)
}

Answer 1

有很多方法可以实现这一点，但最好的方法取决于您是否需要自由文本样式匹配(字符串的语言处理，包括标记化和词干提取)。它还取决于这是否只是已检索文档或用于检索文档的排名信号。

如果您不需要自由文本样式匹配，而是可以使用精确匹配而无需语言学处理(例如使用固定词汇表)，并且此颜色排名只是另一个排名信号，您应该考虑使用张量排名。张量对于对查询运算符检索的文档进行排名非常有用，您无法使用张量进行检索(使用近似最近邻搜索的密集单阶张量除外)。请参阅张量指南 https://docs.vespa.ai/en/tensor-user-guide.html .

如果您需要自由文本样式匹配，还有多种方法。在下面的示例中，我假设您希望进行文本样式匹配，并且查询术语“紫色”应将文档与“黑色和紫色”相匹配。请参阅匹配文档 https://docs.vespa.ai/en/reference/schema-reference.html#match

如果您像这样定义字段颜色

field colors type weightedset<string>{
   indexing: summary | index
   match: text #This is default matching for string fields with 'index'
}

并提供文档

"colors": {
   "blue":1,
   "black and purple":1, 
   "green": 1,
   "yellow": 1
}

您可以使用以下查询进行检索和排名

{
"yql": "select * from sources * where colors contains ([{\"weight\":1}]\"purple\") or colors contains ([{\"weight\":2}]\"yellow\");",
"ranking.profile": "color-ranking"
}

请参阅有关术语权重的查询语言引用

• https://docs.vespa.ai/en/reference/query-language-reference.html

您可以通过多种方式对检索到的文档进行排名，但下面假设您使用颜色排名作为唯一的排名信号。

rank-profile color-ranking {
  function colorMatch() {
     expression: nativeDotProduct(colors)
  }
  first-phase {
   expression: colorMatch()
  } 
}

这里我们使用 nativeDotProduct 排名功能，在我们的示例中，该功能将返回 3 (21 + 11)。术语权重和文档权重只能是整数，张量允许 float 。

• https://docs.vespa.ai/documentation/reference/rank-features.html#nativeDotProduct(field)

elementSimilarity ranking 功能也是一个候选功能，它允许更大的灵活性，如果您想使用 max/sum 以及如何结合元素权重和查询词权重。

• https://docs.vespa.ai/documentation/reference/rank-features.html#elementSimilarity(name)
• https://docs.vespa.ai/documentation/reference/rank-feature-configuration.html#elementSimilarity

如果这只是排名信号，您还可以使用rank查询运算符

{
"yql": "select * from sources * where rank(foo contains "bar", colors contains ([{\"weight\":1}]\"purple\") or colors contains ([{\"weight\":2}]\"yellow\"));",
"ranking.profile": "color-ranking"
}

在上面的查询中，我们检索名为“foo”的字段包含“bar”的文档，并且对于这些文档，匹配颜色字段并创建排名特征(取决于排名配置文件中使用的特征)。

一般来说，查询是一种表达如何检索文档的方式，排名配置文件决定了如何对检索到的文档进行排名。 rank 查询运算符是一种很好的方法，能够在不影响召回率的情况下创建匹配(Q-D 交互)排名特征。

如果您想使用查询和文档中某些内容之间的内点积来检索，还有其他更有效的方法，包括 wand 查询运算符。请参阅https://docs.vespa.ai/en/using-wand-with-vespa.html