ranking - 评分配置文件如何在 Azure 搜索中生成分数？

Question

我想在 Azure 搜索上的索引中添加评分配置文件。更具体地说，我索引中的每个文档都有一个 Edm.Double 类型的 weight 字段，我想根据这个值来提升它们。我不想直接根据权重对它们进行排序，因为搜索词的相关性也很重要。

所以为了测试它，我创建了一个评分配置文件，其幅度函数的提升值为 1000(只是为了看看我是否了解这个东西是如何工作的)、线性插值、起始值 0 和结束值 1。我是什么期望将提升值添加到整体搜索分数中。因此，权重为 0.5 的文档将获得 500 的提升，而权重为 0.125 的文档将获得 125 的提升。然而，所得分数远没有这么直观。

对于这种情况，我有几个问题:

1) 本例中的函数分数是如何生成的？我的文档权重彼此接近(假设为 0.5465 和 0.5419)，但它们的最终分数之间的差异约为 100-150，而我预计其约为 4-5。

2) 函数得分和权重如何汇总为每个搜索结果的最终得分？

Answer 1

因此，Nate 提供的答案很难理解，并且遗漏了一些组件。我概括了整个评分过程，相当复杂。

因此，当用户执行搜索时，将向 Azure 搜索提供查询。 Azure 搜索使用 TF-IDF 算法根据分析器形成的 Token 确定 0-1 的分数。请记住，特定于语言的分析器可以为一个单词提供多个标记。对于每个可搜索字段，都会生成分数，然后乘以评分配置文件中的权重。最后将所有加权分数相加，即为初始加权分数。

评分配置文件还可能包含评分函数。评分函数可以是基于大小、新鲜度、地理或标签的函数。可以在一个评分配置文件中创建多个功能。

将对函数进行评估，函数的分数可以进行求和，也可以取平均值、最小值、最大值或第一个匹配。然后将所有函数的总和乘以总加权得分，即为最终得分。

示例，这是带有评分配置文件的示例索引。

{  
  "name": "musicstoreindex",  
  "fields": [  
    { "name": "key", "type": "Edm.String", "key": true },  
    { "name": "albumTitle", "type": "Edm.String" },  
    { "name": "genre", "type": "Edm.String" },  
    { "name": "genreDescription", "type": "Edm.String", "filterable": false },  
    { "name": "artistName", "type": "Edm.String" },  
    { "name": "rating", "type": "Edm.Int32" },  
    { "name": "price", "type": "Edm.Double", "filterable": false },  
    { "name": "lastUpdated", "type": "Edm.DateTimeOffset" }  
  ],  
  "scoringProfiles": [  
    {  
      "name": "boostGenre",  
      "text": {  
        "weights": {  
          "albumTitle": 1.5,  
          "genre": 5,  
          "artistName": 2  
        }  
      }  
    },  
    {  
      "name": "newAndHighlyRated",  
      "functions": [  
        {  
          "type": "freshness",  
          "fieldName": "lastUpdated",  
          "boost": 10,  
          "interpolation": "linear",  
          "freshness": {  
            "boostingDuration": "P365D"  
          }  
        },  
        {
          "type": "magnitude",  
          "fieldName": "rating",  
          "boost": 8,  
          "interpolation": "linear",  
          "magnitude": {  
            "boostingRangeStart": 1,  
            "boostingRangeEnd": 5,  
            "constantBoostBeyondRange": false  
          }  
        }  
      ],
      "functionAggregation": 0
    }  
  ]
}

假设输入的查询是 Linkin Park 的著名专辑 meteora。假设我们的索引中有以下文档。

{
    "key": 123,
    "albumTitle": "Meteora",
    "genre": "Rock",
    "genreDescription": "Rock with a flick of hiphop",
    "artistName": "Linkin Park",
    "rating": 4,
    "price": 30,
    "lastUpdated": "2020-01-01" 
}

我不是 TF-IDF 方面的专家，但我可以想象将产生以下未加权分数:

{
    "albumTitle": 1,
    "genre": 0,
    "genreDescription": 0,
    "artistName": 0
}

评分配置文件在 albumTitle 字段上的权重为 1.5，因此总加权分数将为:1 * 1.5 + 0 + 0 + 0 = 1.5

之后，将评估评分配置文件函数。在本例中，有 2 个。第一个评估新鲜度，范围为 365 天，一年。最后更新的字段值为今年 4 月 1 日。假设那是从现在起 50 天后。总范围为 365，因此如果最后更新日期是今天，您将获得 1 分。如果过去 365 天或更长时间，则为 0。在我们的例子中，它是 1 - 50/365 = 0.8630..。该函数的提升为 10，因此第一个函数的得分为 8.630。

第二个函数是一个幅度函数，范围从 1 到 5。该文档获得了 4 星评级，因此得分为 0.8，因为 1 星是 0，5 星是 1。所以 a 代表 4 星显然是4/5 = 0.8。幅度函数的提升为 8，因此我们必须将该值乘以 8。0.8 * 8 = 6.4。

functionAggregation 为 0，这意味着我们必须对所有函数的结果求和。给我们评分配置文件函数的总分:6.4 + 8.630 = 15.03。然后，规则是将总评分配置文件函数分数乘以字段的总加权分数，得出总计:15.03 * 1.5 = 22.545。

希望您能喜欢这个例子。