垂直个性化排序之Solr如何支持

191145692

　　需求:
　　个性化得分排序：类似Score=
　　defaultTextScore*facetA+offlineValue*（1-factorA）
　　
　　方案：
　　目前直接支持的排序、全部候选方案。推荐1
　　和2.
　　参见样例！
　　1:sortby
　　(score,
　　offlinevalue*fa)
　　这里offlinevalue*fa
　　中fa可要可不要
　　2:sortby
　　(score*fa+offlinevalue*fb)
　　这里score*fa
　　其中fa有很多理解，可要是documentboost或者fieldboost
　　或者payload，offline可以是域值
　　3:sortby
　　(score*offlinevalue*fa)
　　这个场景本质上回到了score*fa了，又回到了payload
　　或者document或者fieldboost了。
　　4:sort
　　by(score*payload|doc_boost|field_boost|term_boost|
　　queryboost)
　　需求背景：文本相关第一位的，在文本相关区分度不大的时候，需要将好的商品、或者服务信息优先排（这里仍然受限第一排序文本相关分限制，如果放弃第一维度，只有第二维度的离线分值，那么文本相关性可能非常糟糕，反应到用户就是关键词
　　不显眼，好的离线值一直占住排头，出现饥饿现象）
　　进一步扩展，例如topN先不排序，然后按某种方式排序、实现去重的维度的结果。
　　
　　分析
　　1
　　最直接，也是推荐的方式。
　　3-4一回事，只是实现方式上不同：
　　2
　　看起来就显得稍微复杂了，其中fa的理解也有多重，
　　一种fa不是boost(documentsfieldpayload
　　),而是外部直接传入的。从数学公式角度看一码事。
　　Eg
　　tf*itf*payload=scorescore*fa
　　=tf*itf*payload*fa,
　　合并fa8payload
　　就是一项信息了，
　　同理，offline*fb
　　离线计算好就是offline’了，还是offline
　　了。这样2
　　简化为score+offline了
　　从上分析来看，只有2种，要么1
　　，要么2，
　　对应2本质是
　　score+offlinevalue，所谓的因子只是“逻辑理解”，对应实现来说“完全隐去了”
　　
　　样例Score+offline
query.set(“defType”,“lucene”);　　
query.setQuery(“description:店铺
　　
AND _val_:reord_gpa^0.7″);
　　
query.setQuery(“description:店铺
　　
AND
　　
_val_:sum\(reord_gpa,1\)”);
　　
query.setQuery(“(description:店铺)^0.3 AND
　　
_val_:sum\(reord_gpa,1\)”);
　　至于:score
　　中的因子，如果固定0.8，然后所有文档都*0.8，实际上就等于没起作用。这个0.8
　　可以payload或者doc或者fieldboost引入。
　　至于:
　　gpa中的因子，如果固定0.2，那么就直接在离线计算时算好
　　
　　另外
　　在3.*版本中
query.setQuery(“title:Aokang”);　　
query.add(“sort”,”sum(weight1,query({!dismax qf=title
　　
v=’杭州‘}))
　　
desc“);
　　
query.addField(“title,score,weight1,weight2,query({!dismax
　　
qf=title v=’杭州‘}))”);
　　
这种新式，是针对局部query得分处理的
　　
木有排序计算，直接返回topN，性能考虑
　　
query.set(“sort”,”_docid_ asc”);
　　注解:BoostQParse,将boost值乘上默认得分上，而一般_val_是将得分add
　　到默认文本分上。
　　目前基于3.*
　　序列，尚不能直接对默认文本分进行引入到function中，在4.*可以引用默认得分的中间参数到function中。
　　目前3.*可以将function值加上或者乘上默认文本分（dismax的pb)，或者局部query得分作为function的参数
　　最基础的payload、documentboost、fieldboost、tf、itf仍然是最本质的因子。
　　其他的扩展仍然是围绕他们展开的。本质没有脱离向量模型。