- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我们正在使用Solr搜索各种长度的文章。我们同时为描述性元数据(标题,作者,类别,关键字等)和文章全文建立索引。我们不会在索引时间提升相关性-所有提升都在查询时完成(我们使用dismax,以及各种qf,pf和bf提升)。
当前,我们的全文字段使用标准omitNorms = false;结果,所有其他相等的较短的文章(2-3列英寸的文章)通常比较长的特征长度(多页)文章具有更高的相关性。
在我们的案例中,文章长度是相关性的重要指标,因此我正在考虑在全文字段中设置omitNorms = true。
问题:1.为什么默认的lucene / solr行为将较短的场长提高到较高?这是什么原因?
2.为什么我不想省略规范?我不需要增加对该特定字段的查询,也不需要对该字段使用任何类型的构面。
最佳答案
问题1:
在较高的字段长度上增加较短的字段长度与确定文档相关性(称为TF-IDF)的基本概念有关(请参阅http://en.wikipedia.org/wiki/Tf%E2%80%93idf)。作为简短示例,请考虑您的搜索返回了两个文档:第一个是100个单词,第二个是1,000个单词。每个仅包含您的搜索关键字一次。由于第一个文档中的关键字占文本的1%,因此与长文档相比,短文档被认为与搜索更相关,而长文档中搜索的关键字仅占文本的0.1%。
问题2:
听起来像是根据您的要求,您可能想尝试省略规范。但是,这可能会以您意想不到的方式歪曲您的搜索结果。可能是您从长度标准化的一些不错的特性中受益,却没有意识到。另一种方法可能是将文档长度实际存储为某种标记字段,例如将文档标记为“short”,“medium”和“long”,然后增强与long或long,medium或其他内容匹配的文档。这也使最终用户能够在搜索时根据文档长度进行过滤。
同样,当我提到长度规范化的好属性时,您可能会想到存在涉及10个不同主题的超长文章的情况,其中之一与用户的搜索匹配,或者存在仅谈论一个主题的长文章。被搜寻。在这种情况下,您可能更喜欢长文章而不是超长文章(即使超长文章与搜索关键字的匹配次数更高)。这完全取决于您的数据和用例。
关于search - Solr:长度标准化/omitNorms = false有什么好处?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/6830795/
某人在 Silverlight posted MVVM 目前缺乏标准化,所以每个人都有自己的风格.. 这就是为什么我和 WPF Disciples 的一些人正在积极讨论每个人都同意的 MVVM 元素。
我有以下数据集: dat tests2 * 20 Score 1 13.333333 2 10.666667 3 2.666667 4 9.333333 5 13.3333
我有一个 double 组,表示某些事件发生的概率,[25,25,25,10,15] 表示事件 A,B..E。这些数字加起来是 100。 通过我的分析,我希望能够排除某个事件发生或不发生的可能性。 所
USPS webtools 很贵,而且 Google Maps 没有某些地址。有没有免费或开源的解决方案? 最佳答案 根据您的业务性质,或者如果您是非营利或教育机构,有一家在线提供商可为您提供 fre
我有一个 json 对象,里面有对象例如 user: {"name": "tim"} 并希望有一种方法将其转换为 "user.name": 'tim' 我已经尝试过:Javascript Recurs
我有一个名为 spam 的数据集,其中包含与垃圾邮件相关的 58 列和大约 3500 行数据。 我计划将来对此数据集运行一些线性回归,但我想事先进行一些预处理并将列标准化为均值和单位方差为零。 我被告
我试图找到一种方法来强调音频中高点和低点之间的差异。我似乎找不到有关如何执行此操作的文档-也许可以使用ffmpeg完成。非常感谢来自对信号处理了解更多的人的一些指导。 最佳答案 从根本上讲,膨胀器与压
如何缩放/规范化每行数据(观察)?像 [-1:1] 这样的 z 分数? 我看过之前的帖子,其中涉及整个数据集的标准化,如下所示 https://stats.stackexchange.com/ques
例如: http://www.google.co.uk www.google.co.uk google.co.uk 将全部转换为: google.co.uk 我本来想使用 System.Uri 类,但
我可以使用此代码从 json 文件导入数据... import requests from pandas.io.json import json_normalize url = "https://da
规范化 Prolog 原子中空白字符(空格、换行符、制表符)的最佳方法是什么,例如在 SWI-Prolog 中。IE。我想要一个规则: normalize_space_in_atom(+Atom1,
如何缩放/规范化每行数据(观察)?像 [-1:1] 这样的 z 分数? 我看过之前的帖子,其中涉及整个数据集的标准化,如下所示 https://stats.stackexchange.com/ques
我正在尝试阅读代码片段,但它对我来说没有任何意义。请帮助我 /** * To make it easy to query for the exact date, we normalize all
我是一名研究人员,拥有大约 17,000 份自由文本文档,其中大约 30-40% 与我的结果相关。是否有一个开源工具可以用来确定与结果相关的最常见的单词(甚至短语,但不是必需的),并对已经出现的单词的
我正在尝试使用 L2 范数(单位长度)对 numpy 矩阵的行进行标准化。 当我这样做时,我发现了一个问题。 假设我的矩阵“b”如下: 现在,当我对第一行进行标准化时,如下所示,它工作正常。 但是当我
我有一个 3 列数组。数组的第一列的值介于 1 和 10 之间。我需要提取第一列为 1 的所有行,并规范化该数组切片的第三列。然后对第一列等于 2 等的所有行重复相同的操作。 如果我运行此代码,它会使
如果我通过许多不同的文件/脚本使用这个结构当需要更改时,如何才能只更改一个地方,而不必在每个文件中更改它。 u = contents incomingUrl = urlparse(u).query o
我有 1MB 的文本文件。我想删除空格、换行符、制表符,并以 4KB 迭代方式将 1MB 文件的字符大小写从小写转换为大写。 我写了这段代码: for (i = 0, j= 0; i 首先,让我们定
这实际上是一个机器学习分类问题,但我想有一种非常好的快速而肮脏的方法来做到这一点。我想将描述 NFL 球队的字符串(例如“San Francisco”或“49ers”或“San Francisco 4
我正在创建游戏评论数据库。我对此很陌生,但我正在尽力。关于数据库的一点点:系统很简单,用户填写 php 表单,在其中插入他的姓名、电子邮件,然后选择反馈是好还是坏并留下评论/建议。我正在添加照片的视觉
我是一名优秀的程序员,十分优秀!