Поиск по близости и рейтингу

Я хочу знать, позволяет ли служба Retrieve & Rank, особенно во время ранжирования, поиск по близости.

Пример :

Ranker learned : 

a. Query = "I have a problem with my mailbox"

b. Documents with pertinence score : "Doc1":3, "Doc2":4", "Doc3":1

Итак, мы можем представить, что когда я использую только службу Retrieve, результат запроса:

1. Doc1 
2. Doc2
3. Doc3

И когда я использую Ranker для изменения порядка предыдущего результата, мы имеем:

1. Doc2 
2. Doc1
3. Doc3

На данный момент все в порядке.

Теперь я хочу выполнить новый (и аналогичный) запрос с помощью Ranker: "У меня возникла проблема с моим почтовым ящиком"

Вопрос в том :

  1. Сопоставит ли Ranker мой новый запрос с запросом, который он изучил ранее? Итак, результат будет:

     1. Doc2 
 2. Doc1
 3. Doc3

  2. Или ранжировщик не сопоставит мой новый запрос с запросом, который он изучил ранее, и поэтому результатом будет результат выполнения службы извлечения:

     1. Doc1
 2. Doc2
 3. Doc3

Эта документация https://www.ibm.com/watson/developercloud/doc/retrieve-rank/plugin_query_syntax.shtml и особенно этот текст заставляет меня думать, что Ranker не будет соответствовать запросам:

The following modifiers are not supported with the /fcselect request handler:
 - [...]
 - Search by proximity
 - [...]

Но когда я пробую этот пример, кажется, что Ranker соответствует запросам...

Спасибо за ваше время.


ibm-watson retrieve-and-rank
person Julien Preisner    schedule 26.08.2016    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Таким образом, ранжировщик не работает, запоминая ваши обучающие вопросы ИЛИ сопоставляя новые вопросы с ближайшим вопросом в наборе обучающих данных. На самом деле ранжировщик вообще не работает напрямую с вопросами.

Вместо этого, согласно обзорному материалу в документации RnR, ранжировщик использует подход, называемый «обучение для ранжирования» (может быть полезно просмотреть статью в Википедии, посвященную этому: https://en.wikipedia.org/wiki/Learning_to_rank).

По сути, подход «обучение для ранжирования» заключается в том, чтобы сначала сгенерировать набор функций, которые отражают некоторое представление о том, насколько хорошо каждый из документов-кандидатов возвращается из исходного Этап извлечения соответствует запросу. См. этот пост для получения дополнительной информации о функциях: ранжирование вручную.

Затем, на основе обучающих данных, ранжировщик научится обращать внимание на эти функции, чтобы наилучшим образом повторно ранжировать набор документов-кандидатов, чтобы оптимизировать релевантность. Такой подход позволяет обобщать различные вопросы, которые появятся в будущем (у них могут быть одни и те же темы, а могут и не быть).

person chakravr    schedule 05.05.2017