Azure 搜索 - 为我们的客户提供他们在分数/排名方面的需求 - 百分比匹配

Question

几个月来，我们一直在使用 Azure 搜索作为我们的生产搜索服务，我们的客户开始对排名和评分的灵活性表示担忧 - TF-IDF 比率对他们来说毫无意义（我可以理解) 并且他们习惯于从之前的供应商处看到 百分比 匹配项。

请务必了解，我们的客户主要查询人名。这些人的姓名存在于我们的记录中，既存在于他们自己的字段中，也存在于非结构化文本的附加字段中。例如，当他们查询 John Anderson 时，他们正在寻找与姓名 John Anderson 具有一定百分比匹配的记录。他们不太关心约翰·安德森在文档中出现了多少次。

他们想要的是能够自定义他们的结果，例如，只返回与查询名称“90% 匹配或更高”的结果。我们不知道从哪里开始，因为我们看到 Azure 搜索提供给我们的唯一东西是 TF-IDF 评分。我们如何才能将我们对结果的理解转换为我们真正不关心的百分比匹配与词频？ Azure 搜索可以处理这个问题吗？如果我们在选择它作为我们的生产搜索服务方面已经走了这么远，并且我们不能以他们离开的供应商所习惯的方式向我们的客户展示结果，他们就会离开我们，不幸的是我会输我的工作......

MS Azure 搜索人员...请帮忙！

Answer 1

根据上面 cmets 中的简要描述，让我尝试提出几个选项：

假设您真的专注于人名查找并有一组特定的规则来建模，也许您可​​以使用具有不同提升的不同匹配规则。为此，您需要使用 full Lucene query syntax（在查询字符串中使用 queryType=full）。

对于简单的情况，您可以从区分匹配连续与不匹配的情况开始：如果输入搜索是“John Anderson”，您可以将其重写为：

"John Anderson"^100 OR (John AND Anderson)

这会严重影响结果并按照您描述的顺序返回内容。如果您想限制令牌级编辑距离直到它不匹配，您可以在短语中使用 slot：

"John Anderson"^100 OR "John Anderson"~2

如果您还想处理完全之前或完全之后的额外术语影响匹配的情况，我想知道您是否可以使用前缀/后缀。例如，在索引期间，您在名称之前添加单词“开始”，在之后添加单词“结束”（您可以使用不太可能是名称的更随机的字母序列）。因此，如果字段值为“John Anderson”，则该字段应具有“begin John Anderson end”。然后在搜索时你可以这样做：

"begin John Anderson end"^1000 OR "John Anderson"^100 OR "John Anderson"~2

这将支持从名称的开头到结尾的匹配，然后是名称的中缀匹配（按确切顺序），然​​后是带有原始标记的名称以及中间的其他内容。您可以通过调整提升来重新洗牌。

按照此操作将为您提供您想要的大致顺序，但不是百分比。要计算百分比，您可以从分数的数量级映射它们，和/或通过根据原始搜索词对结果进行后处理。