Функция поиска объяснения Azure

Question

Я пытаюсь понять, как был сгенерирован выигрыш для совпадений с поиском в Azure, поскольку некоторые из моих результатов явно странные (хотя, возможно, и правильные, если только я понял почему!) Официально ничего не задокументировано, но есть ли что-то вроде Lucene Explain для Azure Search?

Спасибо

Answer 1

Метод оценки по умолчанию использует алгоритм TF-IDF для вычисления значения для каждого доступного для поиска поля в документе. Эти значения затем суммируются для создания окончательного результата.

Подробнее о TFIDF можно узнать здесь: https://lucene.apache.org/core/4_0_0/core/org/apache/lucene/search/similarities/TFIDFSimilarity.html Similarities/TFIDFS Similarity.html.

Вы можете изменить счет дальше, используя профили оценки, чтобы увеличить счет определенных полей. https://docs.microsoft.com/en-us/rest/api/searchservice/add-scoring-profiles-to-a-search-index

Answer 2

Он там, у меня была та же проблема, что и у вас. Мой клиент просил меня помочь улучшить производительность поиска. Поэтому я реконструировал алгоритм оценки в Поиске Azure и задокументировал его в блоге. Пожалуйста, взгляните на него и дайте мне знать, если это полезно.

В основном это сводится к следующему уравнению.

totalscore = (weightedfieldscores) ∗ (functionaggregration)

weighted field scores = (f*w) + (f*w) + ...Где f оценка поля TF-IDF, и wвес, настроенный в профиле подсчета очков для соответствующего поля. Сумма взвешенных оценок полей и есть общая взвешенная оценка полей.

Это будет умножено на совокупную оценку функции. Это следующее:functionaggregration = fa(f1(x), f2(x), ...). где fa - функции агрегирования, это может быть сумма всех функций или первых, или средних значений и т. д. f1, f2 - это сами теги, величины и т. д.

Пожалуйста, дайте мне знать, если это вам поможет.

https://dibranmulder.github.io/2020/09/22/Improving-your-Azure-Seach-performance/