Solr 中按日期更强的提升

Posted 2023-02-23

【中文标题】Solr 中按日期更强的提升

【英文标题】：Stronger boosting by date in Solr

【发布时间】：2014-03-27 21:04:09

【问题描述】：

solr 中的按日期字段提升定义为：

!boost b=recip(ms(NOW,datefield),3.16e-11,1,1)

我到处查看（例如：Solr Dismax Config for Boost Scoring 和 Solr boost for multivalued date field，它们都引用了 SolrRelevancyFAQ），使用的定义相同。但我发现这并没有充分提高我的成绩。我怎样才能让这个日期提升更强？

用户正在搜索两个关键字。这两个项目在标题和描述中都包含两个关键字（以相同的顺序）。两个关键字都没有重复。

而且 solr 调试输出对我来说太混乱了，无法理解问题。

现在，这不是一个大问题。 99% 的查询都可以正常工作并产生预期的结果，所以它不像 solr 根本不工作，我只是发现这种情况让我很困惑，不知道如何进行。

【问题讨论】：

所以基本上你想知道你正在使用的提升是如何工作的，了解你需要更改哪些值，以使当前（更接近现在）文档更相关？

是的，哪些值以及如何（正/负，大或小）...

【参考方案1】：

recip(x, m, a, b) 使用 f(x) = a/(xm+b) 实现：

x：文档年龄，单位为毫秒，定义为ms(NOW,<datefield>)。

m ：一个常数，它定义了一个用于应用提升的时间尺度。它应该与您认为的旧文档年龄（reference_time）相关，以毫秒为单位。例如，选择 1 年 (3.16e10ms) 的 reference_time 意味着使用其倒数：3.16e-11（1/3.16e10 舍入）。

a 和 b 是常量（任意定义）。

xm = 1 当文档是 1 reference_time 旧时（乘数 = a/(1+b)）。xm ≈ 0 当文档是新文档时，导致值接近 @ 987654334@.

对 a 和 b 使用相同的值可确保乘数不超过 1 与最近的文档。

对于a = b = 1，1 reference_time 旧文档的乘数约为 1/2，2 reference_time 旧文档的乘数约为 1 /3，以此类推。

如何让约会变得更强？

增加m：选择一个较低的reference_time，例如 6 个月，这给了我们m = 6.33e-11。与 1 年的参考相比，随着文档年龄的增加，乘数减少 2 倍。

减小a 和b 会扩展函数的响应曲线。这可能非常激进，请参阅this example（第 8 页）。

使用bf (Boost Functions) 参数（这是一个dismax 参数，因此需要使用DisMax 或eDisMax 查询解析器）对boost 函数本身应用一个boost，例如。 ：

bf=recip(ms(NOW,datefield),3.16e-11,1,1)^2.0

---

注意几点很重要：

bf 是一种附加提升，并作为添加到较新文档的分数中的奖励。

!boost b 是一种乘法提升，更像是一种惩罚应用于旧文档的分数。

bf 分数（添加到全局分数的“奖励”）的计算独立于相关性分数（全局分数），这意味着具有较高分数的结果集可能不会像具有较低的分数。相比之下，无论结果集相关性如何，乘法提升都会以相同的方式影响分数，这就是为什么它通常是首选的原因。

不要将recip() 用于未来超过一个reference_time 的日期，否则会产生负值。

另请参阅 Nolan Lawson 在Comparing boost methods in Solr 上发表的这篇非常有见地的帖子。

【讨论】：

是的，这是一个非常彻底的解释。我希望这是公认的答案。

很好的解释，非常有用。 xm = 1附近的小错字：乘数需要括号，即a/(1+b)

...但是，我无法得到匹配的数学：您的 6 个月示例似乎不正确 - 它不会像 m = 1/(0.5*3.16e10) = 6.33 e-11?

@corolla 你说得对，当使用 6 个月作为参考 m=6.3e-11 四舍五入时，我不知道我从哪里得到了 'e-8' ......谢谢你的指点出来了！

【参考方案2】：

用户正在搜索两个关键字。两个项目都包含两个关键字 （以相同的顺序）在标题和描述中。两个关键字都没有 重复。

嗯，通过你的例子，很明显你的结果已经落入tie 的情况。要理解这个混淆调试输出的问题并设计一个tie-breaker策略，理解dismax很重要。

使用DisMax 查询，用户输入的不同词条针对不同的字段执行，如果其中许多命中（该词条出现在同一document 的不同字段中），则使用得分较高的命中，但对于该术语，document 中的其他子查询会发生什么情况？嗯，这就是 tie 参数定义的内容。 DisMax 将计算术语查询的分数：

score= [score of the top scoring subquery] + tie * (sum of other hitting subqueries)

因此，tie 参数是一个介于 0 和 1 之间的值，它将定义 Dismax 是否只考虑一个术语的最大命中 score（设置 tie=0），所有命中对于一个术语（设置tie=1）或这两个极端之间的东西。

boost 参数与bf 参数非常相似，但不是将其结果与最终得分相加，而是将其相乘。这仅在 Extended Dismax Query Parser 或 Lucid Query Parser 中可用。

SOLR 有一篇有趣的文章Comparing Boost Methods 可能对你有用。

此答案的参考资料：

Advanced Apache Solr boosting: a case study Using Solr’s Dismax Tie Parameter

希希尔

【讨论】：

这似乎是一个可能的问题，现在我只需要尝试找到一种在 php 中实现它的方法。谢谢。

【参考方案3】：

ReciprocalFloatFunction 中有一个很好的示例，可以让您清楚地了解增强配方的工作原理。如果您发现dismax 无法为您提供对增强的足够控制，您将不得不对BoostQParserPlugin 进行一些修改。

乘数 3.16e-11 将单位从毫秒更改为年 （因为每年大约有 3.16e10 毫秒）。因此，一个非常 最近的日期将产生接近 1/(0+1) 或 1 的值，即一年中的日期 过去将获得大约 1/(1+1) 或 1/2 的乘数，并且日期为 2 岁将产生 1/(2+1) 或 1/3。

【讨论】：

“必须做一些修补”是什么意思？

这个有点过时，但仍然相关nolanlawson.com/2012/06/02/comparing-boost-methods-in-solr。它将为您提供所有可用增强方法的比较。我所说的修修补补的意思是，您将实现/扩展 BoostQParserPlugin 以生成自己的 BoostedQuery 或构建自定义请求处理程序来实现相同目的。这可能是您的场景的过度拉伸，请查看 edismax 的乘法提升。 typo3-media.com/blog/solr-recip-boosting.html - 在这里你可以测试你的接收函数。