Поиск по близости и ранжированию

Question

Я хочу знать, если Retrieve & Сервис ранга, и особенно во время рейтинга, позволяет осуществлять 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 

Таким образом, мы можем представить себе, что, когда я использую Получить услугу только результат запроса:

1. Doc1 
2. Doc2 
3. Doc3 

И когда я использую Ranker, чтобы изменить порядок предыдущий результат, у нас есть:

1. Doc2 
2. Doc1 
3. Doc3 

В данный момент все в порядке.

Теперь я хочу, чтобы выполнить новый (и аналогичный) запрос с использованием Ranker: «Я столкнулся с проблемой с моим почтовым ящиком»

Возникает вопрос:

1. ли в Ranker будет соответствовать моему новому запросу с запросом, который он узнал ранее? Таким образом, результат будет:

   1. Doc2 
   2. Doc1 
   3. Doc3 
   

2. или Ranker не будет соответствовать мой новый запрос с запросом, который он узнал ранее, и поэтому результат будет результат от выполнения Получение услуг:

   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 будет не совпадает запросов:

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

Но когда я пытаюсь этот пример, мне кажется, что Ranker матч запросы ...

Спасибо за ваше время.

Answer 1

Поэтому рейтинг не Работа по запоминанию ваших вопросов по обучению ИЛИ путем сопоставления новых вопросов с ближайшим вопросом в наборе учебных данных. На самом деле, рейтинг не напрямую работать с вопросами вообще.

Вместо этого, в соответствии с обзорным материалом в документации РНР, то Ranker использует подход, называемый «обучение к рангу» (это может быть полезно, чтобы посмотреть через вход википедии для него: https://en.wikipedia.org/wiki/Learning_to_rank).

По существу, подход обучения к рангу является первым генерировать кучу функций что некоторое понятие о том, как хорошо каждый из кандидатов документов вернувшихся из исходного Получения фазы соответствует запросу ,См. Это сообщение для получения дополнительной информации об особенностях: watson retrieve-and-rank - manual ranking.

Затем, основываясь на данных обучения, оценщик узнает, как обратить внимание на эти функции, чтобы наилучшим образом переклассифицировать набор документов-кандидатов, чтобы оптимизировать релевантность. Этот подход позволяет обобщить различные вопросы, возникающие в будущем (у них могут быть одни и те же темы, или они могут отсутствовать).