使用 Learning To Rank 进行搜索
编辑使用 Learning To Rank 进行搜索
编辑此功能在 8.12.0 版本中引入，并且仅适用于某些订阅级别。有关更多信息，请参阅 https://elastic.ac.cn/subscriptions。
将 Learning To Rank 用作重排序器
编辑一旦您的 LTR 模型在 Elasticsearch 中训练和部署完成，它就可以用作 重排序器，在 搜索 API 中使用。
resp = client.search(
index="my-index",
query={
"multi_match": {
"fields": [
"title",
"content"
],
"query": "the quick brown fox"
}
},
rescore={
"learning_to_rank": {
"model_id": "ltr-model",
"params": {
"query_text": "the quick brown fox"
}
},
"window_size": 100
},
)
print(resp)
response = client.search(
index: 'my-index',
body: {
query: {
multi_match: {
fields: [
'title',
'content'
],
query: 'the quick brown fox'
}
},
rescore: {
learning_to_rank: {
model_id: 'ltr-model',
params: {
query_text: 'the quick brown fox'
}
},
window_size: 100
}
}
)
puts response
const response = await client.search({
index: "my-index",
query: {
multi_match: {
fields: ["title", "content"],
query: "the quick brown fox",
},
},
rescore: {
learning_to_rank: {
model_id: "ltr-model",
params: {
query_text: "the quick brown fox",
},
},
window_size: 100,
},
});
console.log(response);
GET my-index/_search
{
"query": {
"multi_match": {
"fields": ["title", "content"],
"query": "the quick brown fox"
}
},
"rescore": {
"learning_to_rank": {
"model_id": "ltr-model",
"params": {
"query_text": "the quick brown fox"
}
},
"window_size": 100
}
}
已知限制
编辑重排序窗口大小
编辑LTR 模型返回的分数通常与第一阶段查询的分数不具有可比性，并且可能低于未重排序的分数。这可能导致未重排序的结果文档排名高于重排序的文档。为了防止这种情况，window_size 参数对于 LTR 重排序器是强制性的，并且应大于或等于 from + size。
分页
编辑当向用户公开分页时，当通过传递不同的 from 值来推进每一页时，window_size 应保持不变。更改 window_size 可能会改变顶部的匹配项，从而导致用户翻页时结果混乱地发生变化。
负分数
编辑根据模型的训练方式，模型可能会为文档返回负分数。虽然第一阶段检索和排名不允许使用负分数，但在 LTR 重排序器中可以使用它们。