Rankering - principperne  Rankering = sortering efter relevans –Relevans? –Hvis relevanskriterier?  Rankering – det valgte kriterie –Topical relevance dvs. match på søgetermer  Fordele –Umiddelbart til at implementere i Solr-laget  Ulemper –a priori regler – søgeudtrykket afgørende

Scoring i Solr  Baseret på klassisk IR-teori (Vector Space Model)  Der dannes en relevansscore som afhænger af –Termfrekvensen (tf) –Den inverse dokumentfrekvens (idf) –Antallet af søgetermer fundet i dokumentet –Længdenormalisering  Nærmere beskrivelse kan findes i Lucenes dokumentation af Similarity-klassen  imilarity.html imilarity.html

Rankering i Solr  Specificeres i søgeøjeblikket dvs en dynamisk proces - query level boosting  Kan justeres live uden at man skal re-indeksere  Benytter sig af relevansscore-værdier i indekset –Høj relevansscore => høj relevans –Lav relevansscore => lav relevans  Implementeres som vægte der ganges på den relevansscore der er dannet under indekseringen  Kræver brug af en speciel queryHandler, dismax, som ikke forstår boolske udtryk

Muligheder med query boosting i Solr  Øgning af score for termer i udvalgte ord-felter eller frasefelter (qf pf operatorerne)  Fremhævelse af dokumenter som matcher flere termer (tie operatoren)  Fremhævelser af dokumenter baseret på hits på bestemte ord (bq operatoren)

Boost-værdierne er POSITIVE faktorer som ganges på relevans-scoren ParameterFormatVærdierNoter qf ^ dc.title^4 dc.creator^4 dc.subject^2 Værdien skal være > 0 og ganges på scoren pf ^ dc.title^8 dc.creator^8 dc.subject^3 Værdien skal være > 0 og ganges på scoren tie 0.1Værdien skal ligge i intervallet 0..1 bq( : )^ (dc.type:bog)^3Værdien skal være > 0 og ganges på scoren

Implementeringen i OpenSearch_0.12 rank[rank_general][word_boost]["dc.title"] = 3 rank[rank_general][phrase_boost]["dc.title"] = 6 rank[rank_general][word_boost]["dc.creator"] = 4 rank[rank_general][phrase_boost]["dc.creator"] = 8 rank[rank_general][word_boost]["dc.subject"] = 2 rank[rank_general][phrase_boost]["dc.subject"] = 3 rank[rank_general][word_boost]["cql.anyIndexes"] = 1 rank[rank_general][phrase_boost]["cql.anyIndexes"] = 1 rank[rank_general][tie] = 0.1

Et eksempel på udregning af score med boost – søgning på Martin Kongstad i kkb  Den dannede søgestreng –CQL to DISMAX: (Martin Kongstad) -> ((Martin Kongstad) AND _query_:"{!dismax qf='dc.title^3 dc.creator^4 dc.subject^2 cql.anyIndexes^1' pf='dc.title^6 dc.creator^8 dc.subject^3 cql.anyIndexes^1' tie=0.1}Martin Kongstad ")  Læg mærke til... –qf – ordsøgning –pf - frasesøgning

Martin Kongstad - resultat

Martin Kongstad - scoreværdier

Martin Kongstad – forklaring  Dengang i 80'erne Martin Kongstad & Henrik Vesterberg Vesterberg Henrik Kongstad Martin Hit på både ord- og frasesøgning  Han danser på sin... Kongstad Martin aut Kun hit på ordsøgning

Konsekvenser  Poster med mange forekomster af en søgeterm kommer højere op  Et fund i creator, title, subject får et boost  Der vægtes højt, hvis hele den søgte streng findes  Og endnu højere, hvis der er både ord- og frasesøgningshit samtidigt