Solr相似性算法

Posted lotushy

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Solr相似性算法相关的知识,希望对你有一定的参考价值。

Solr相似性算法

介绍

Solr 4及之前的版本默认采用VSM(向量空间模型)进行相似度的计算(或打分)。之后的版本,则采用Okapi BM25(一种二元独立模型的扩展),属于概率模型。

检索模型通常分为:

  • 二元模型
  • 向量空间模型(VSM)
    • tfidf
    • 基于关键词的检索
  • 概率模型
    • Okapi BM25
  • 机器学习模型

similarity标签

    <similarity>用于声明相似度计算模型,可以由用户定制。
    示例如下:
      <similarity class="solr.DFRSimilarityFactory">
          <str name="basicModel">P</str>
          <str name="afterEffect">L</str>
          <str name="normalization">H2</str>
          <float name="c">7</float>
      </similarity>
  

该标签能够支持特定field type的相似度计算。

VSM

VSM的score公式如下:

Okapi BM25

https://events.static.linuxfound.org/sites/events/files/slides/bm25.pdf

    Score(q,    d)  =           
                        ∑       idf(t)  ·   (   tf(t    in  d)  ·   (k  +   1)  )   /   (   tf(t    in  d)  +   k   ·   (1  –   b   +   b   ·   |d| /   avgdl   )   
                                            t   in  q   
Where:      
                                    t   =   term;   d   =   document;   q   =   query;  i   =   index
                                    tf(t    in  d)      =       numTermOccurrencesInDocument    ?   
                                    idf(t)  =       1   +   log (numDocs    /   (docFreq    +   1)) 
                                    |d| =       ∑   1   
                                                                                                                    t   in  d   
                                    avgdl = (   ∑   |d|     )   /   (   ∑   1   )   )   
                                                                                                                                                                d   in  i                                                           d   in  i   
                                    k   =   Free    parameter.  Usually ~1.2    to  2.0.    Increases   term    frequency   saturation  point.  
                                    b   =   Free    parameter.  Usually ~0.75.  Increases   impact  of  document    normalization. 

## Learning to Rank (LTR)
solr也是支持LTR的。
这一块要求有Machine Learning的基础。没有的话,就边看文档,边查吧。像我这样的,只能先跳过了(-_-)。
具体可以看文档:
https://lucene.apache.org/solr/guide/6_6/learning-to-rank.html
https://www.microsoft.com/en-us/research/project/mslr/
https://events.static.linuxfound.org/sites/events/files/slides/bm25.pdf
http://opensourceconnections.com/blog/2014/12/08/title-search-when-relevancy-is-only-skin-deep/
https://lucene.apache.org/solr/guide/6_6/relevance.html

以上是关于Solr相似性算法的主要内容,如果未能解决你的问题,请参考以下文章

算法竞赛入门码蹄集进阶塔335题(MT3330-3335)

solr 学习片段

在 solr 3.4 中放置突出显示片段配置的位置

Solr 高亮是不是还可以指示返回的片段在原始字段中的位置或偏移量?

调试并修改Lucene源码

调试并修改Lucene源码