Lägga till bedömningsprofiler i ett sökindex

För fulltextsökningsfrågor beräknar sökmotorn en sökpoäng för varje matchande dokument, vilket gör att resultat kan rangordnas från högt till lågt. Azure Cognitive Search använder en standardbedömningsalgoritm för att beräkna en inledande poäng, men du kan anpassa beräkningen via en bedömningsprofil.

Bedömningsprofiler bäddas in i indexdefinitioner och innehåller egenskaper för att öka poängen för matchningar, där ytterligare kriterier som finns i profilen ger ökad logik. Du kanske till exempel vill öka matchningarna baserat på deras intäktspotential, höja upp nyare objekt eller kanske höja upp objekt som har varit i lager för länge.

Är du inte bekant med relevansbegrepp? Följande videosegment går snabbt vidare till hur bedömningsprofiler fungerar i Azure Cognitive Search, men videon tar även upp grundläggande begrepp. Du kanske också vill granska likhetsr rangordning och bedömning för mer bakgrund.

Vad är en bedömningsprofil?

En bedömningsprofil är en del av indexdefinitionen och består av viktade fält, funktioner och parametrar. Syftet med en bedömningsprofil är att öka eller förstärka matchande dokument baserat på kriterier som du anger.

Följande definition visar en enkel profil med namnet "geo". Det här förbättrar resultat som har söktermen i fältet hotelName. Den använder också funktionen distance för att prioritera resultat som ligger inom tio kilometer från den aktuella platsen. Om någon söker på termen "inn" och "inn" råkar vara en del av hotellnamnet visas dokument som innehåller hotell med "inn" inom en radie på 10 KM från den aktuella platsen högre upp i sökresultaten.

"scoringProfiles": [
  {  
    "name":"geo",
    "text": {  
      "weights": {  
        "hotelName": 5
      }                              
    },
    "functions": [
      {  
        "type": "distance",
        "boost": 5,
        "fieldName": "location",
        "interpolation": "logarithmic",
        "distance": {
          "referencePointParameter": "currentLocation",
          "boostingDistance": 10
        }                        
      }                                      
    ]                     
  }            
]

Om du vill använda den här bedömningsprofilen formuleras frågan för att ange parametern scoringProfile i begäran.

POST /indexes/hotels/docs&api-version=2020-06-30
{
    "search": "inn",
    "scoringProfile": "geo",
    "scoringParameter": currentLocation--122.123,44.77233
}

Den här frågan söker efter termen "inn" och skickar in den aktuella platsen. Observera att den här frågan innehåller andra parametrar, till exempel scoringParameter. Frågeparametrar beskrivs i Sök efter dokument (REST API).

Se det utökade exemplet för att granska ett mer detaljerat exempel på en bedömningsprofil.

Hur poäng beräknas

Poängen beräknas för fulltextsökningsfrågor i syfte att rangordna de mest relevanta matchningarna och returnera dem överst i svaret. Övergripande poäng för varje dokument är en sammanställning av de enskilda poängen för varje fält, där de enskilda poängen för varje fält beräknas baserat på termfrekvensen och dokumentfrekvensen för de söktermer i fältet (kallas TF-IDF eller termfrekvens för inverterad dokumentfrekvens).

När du ska lägga till bedömningslogik

Du bör skapa en eller flera bedömningsprofiler när standardbeteendet för rangordning inte går tillräckligt långt för att uppfylla dina affärsmål. Du kan till exempel bestämma att sökrelevans ska prioritera nyligen tillagda objekt. På samma sätt kan du ha ett fält som innehåller vinstmarginal eller något annat fält som anger intäktspotential. Att förbättra resultat som är mer meningsfullt för användarna eller verksamheten är ofta den avgörande faktorn vid implementering av bedömningsprofiler.

Relevansbaserad ordning på en söksida implementeras också via bedömningsprofiler. Överväg sökresultatsidor som du har använt tidigare och som gör att du kan sortera efter pris, datum, klassificering eller relevans. I Azure Cognitive Search kan bedömningsprofiler användas för att driva relevansalternativet. Definitionen av relevans styrs av dig, vilket anger affärsmål och vilken typ av sökupplevelse du vill leverera.

Utökat exempel

I följande exempel visas schemat för ett index med två bedömningsprofiler ( boostGenre , newAndHighlyRated ). Alla frågor mot det här indexet som innehåller någon av profilerna som en frågeparameter använder profilen för att poängse resultatuppsättningen.

Profilen boostGenre använder viktade textfält, vilket ökar matchningar som finns i fälten rockTitle, genre och artistName. Fälten ökas med 1,5, 5 respektive 2. Varför ökar genren så mycket högre än de andra? Om sökningen utförs över data som är något homogena (som är fallet med "genre" i musicstoreindex) kan du behöva en större avvikelse i de relativa vikterna. I musicstoreindex visas till exempel "rock" både som en genre och i identiskt formulerade genrebeskrivningar. Om du vill att genren ska uppväga genrebeskrivningen behöver genrefältet en mycket högre relativ vikt.

{  
  "name": "musicstoreindex",  
  "fields": [  
    { "name": "key", "type": "Edm.String", "key": true },  
    { "name": "albumTitle", "type": "Edm.String" },  
    { "name": "albumUrl", "type": "Edm.String", "filterable": false },  
    { "name": "genre", "type": "Edm.String" },  
    { "name": "genreDescription", "type": "Edm.String", "filterable": false },  
    { "name": "artistName", "type": "Edm.String" },  
    { "name": "orderableOnline", "type": "Edm.Boolean" },  
    { "name": "rating", "type": "Edm.Int32" },  
    { "name": "tags", "type": "Collection(Edm.String)" },  
    { "name": "price", "type": "Edm.Double", "filterable": false },  
    { "name": "margin", "type": "Edm.Int32", "retrievable": false },  
    { "name": "inventory", "type": "Edm.Int32" },  
    { "name": "lastUpdated", "type": "Edm.DateTimeOffset" }  
  ],  
  "scoringProfiles": [  
    {  
      "name": "boostGenre",  
      "text": {  
        "weights": {  
          "albumTitle": 1.5,  
          "genre": 5,  
          "artistName": 2  
        }  
      }  
    },  
    {  
      "name": "newAndHighlyRated",  
      "functions": [  
        {  
          "type": "freshness",  
          "fieldName": "lastUpdated",  
          "boost": 10,  
          "interpolation": "quadratic",  
          "freshness": {  
            "boostingDuration": "P365D"  
          }  
        },  
        {
          "type": "magnitude",  
          "fieldName": "rating",  
          "boost": 10,  
          "interpolation": "linear",  
          "magnitude": {  
            "boostingRangeStart": 1,  
            "boostingRangeEnd": 5,  
            "constantBoostBeyondRange": false  
          }  
        }  
      ]  
    }  
  ],  
  "suggesters": [  
    {  
      "name": "sg",  
      "searchMode": "analyzingInfixMatching",  
      "sourceFields": [ "albumTitle", "artistName" ]  
    }  
  ]   
}  

Steg för att lägga till en bedömningsprofil

Om du vill implementera anpassat bedömningsbeteende lägger du till en bedömningsprofil i schemat som definierar indexet. Du kan ha upp till 100 bedömningsprofiler inom ett index (se Tjänstbegränsningar),men du kan bara ange en profil åt gången i en viss fråga.

1. Börja med en indexdefinition. Du kan lägga till och uppdatera bedömningsprofiler i ett befintligt index utan att behöva återskapa det. Använd en begäran om uppdateringsindex för att publicera ändringen.

2. Klistra in mallen i det här avsnittet.

3. Ange ett namn. Bedömningsprofiler är valfria, men om du lägger till en krävs namnet. Se till att följa Cognitive Search namngivningskonventioner för fält (börjar med en bokstav, undviker specialtecken och reserverade ord).

4. Ange ökningskriterier. En enskild profil kan innehålla viktade fält, funktionereller båda.

Du bör arbeta iterativt med hjälp av en datauppsättning som hjälper dig att bevisa eller motbevisa effektiviteten hos en viss profil.

Bedömningsprofiler kan definieras i Azure Portal som du ser i följande skärmbild, eller programmässigt via REST-API:er eller i Azure SDK:er, till exempel klassen ScoringProfile i Azure SDK för .NET.

Använda viktade fält

Använd viktade fält när fältkontext är viktigt och frågor är fulltextsökning (även kallat textsökning i fritt format). Om en fråga till exempel innehåller termen "airport" kanske du vill att "airport" i fältet Beskrivning ska ha mer vikt än i HotelName.

Viktade fält består av ett sökbart fält och ett positivt tal som används som multiplikator. Om den ursprungliga fältpoängen för HotelName är 3 blir det ökade resultatet för fältet 6, vilket bidrar till en högre övergripande poäng för själva det överordnade dokumentet.

"scoringProfiles": [  
{  
  "name": "boostKeywords",  
  "text": {  
    "weights": {  
      "HotelName": 2,  
      "Description": 5 
    }  
  }  
}

Använda funktioner

Använd funktioner när enkla relativa vikter inte är tillräckliga eller inte gäller, som när det gäller avstånd och färskhet, som är beräkningar över numeriska data. Du kan ange flera funktioner per bedömningsprofil.

Regler för att använda funktioner

• Funktioner kan bara tillämpas på fält som tillskrivs som filtrerbara.
• Funktionstypen ("freshness", "magnitude", "distance", "tag") måste vara gemen.
• Funktioner får inte innehålla nullvärden eller tomma värden.

Mall

I det här avsnittet visas syntaxen och mallen för bedömningsprofiler. Se Egenskapsreferens i nästa avsnitt för beskrivningar av bedömningsprofilattributen.

"scoringProfiles": [  
  {   
    "name": "name of scoring profile",   
    "text": (optional, only applies to searchable fields) {   
      "weights": {   
        "searchable_field_name": relative_weight_value (positive #'s),   
        ...   
      }   
    },   
    "functions": (optional) [  
      {   
        "type": "magnitude | freshness | distance | tag",   
        "boost": # (positive number used as multiplier for raw score != 1),   
        "fieldName": "(...)",   
        "interpolation": "constant | linear (default) | quadratic | logarithmic",   

        "magnitude": {
          "boostingRangeStart": #,   
          "boostingRangeEnd": #,   
          "constantBoostBeyondRange": true | false (default)
        }  

        // ( - or -)  

        "freshness": {
          "boostingDuration": "..." (value representing timespan over which boosting occurs)   
        }  

        // ( - or -)  

        "distance": {
          "referencePointParameter": "...", (parameter to be passed in queries to use as reference location)   
          "boostingDistance": # (the distance in kilometers from the reference location where the boosting range ends)   
        }   

        // ( - or -)  

        "tag": {
          "tagsParameter":  "..."(parameter to be passed in queries to specify a list of tags to compare against target field)   
        }
      }
    ],   
    "functionAggregation": (optional, applies only when functions are specified) "sum (default) | average | minimum | maximum | firstMatching"   
  }   
],   
"defaultScoringProfile": (optional) "...", 

Egenskapsreferens

Ange interpoleringar

Med interpoleringar kan du ange formen på lutningen som används för bedömning. Eftersom bedömning är högt till lågt minskar lutningen alltid, men interpoleringen avgör kurvan för den nedåtgående lutningen. Följande interpoleringar kan användas:

Ange boostDuration

boostingDuration är ett attribut för freshness funktionen . Du använder den för att ange en förfalloperiod efter vilken en ökning stoppas för ett visst dokument. Om du till exempel vill öka en produktlinje eller ett varumärke under en kampanjperiod på 10 dagar anger du 10-dagarsperioden som "P10D" för dessa dokument.

boostingDuration måste formateras som ett XSD"dayTimeDuration"-värde (en begränsad delmängd av ett ISO 8601-varaktighetsvärde). Mönstret för detta är: "P[nD][T[nH][nM][nS]]".

Följande tabell innehåller flera exempel.

Fler exempel finns i XML-schema: Datatyper (W3.org webbplats).

Se även

• Rangordning och bedömning av likheter i Azure Cognitive Search
• REST API referens
• Skapa index-API
• Azure Cognitive Search .NET SDK
• Vad är bedömningsprofiler?