閱讀(9k) 書簽贊(0) 我要糾錯

在Solr中學(xué)習(xí)排序（LTR）

2018-11-28 14:52 更新

通過學(xué)習(xí)排序（或 LTR）contrib 模塊，您可以在 Solr 中配置和運行機器學(xué)習(xí)排序模型。

該模塊還支持 Solr 內(nèi)部的特征提取。您需要在 Solr 之外做的唯一事情就是訓(xùn)練你自己的排序模型。

學(xué)習(xí)排序概念

學(xué)習(xí)排序包含了三個部分，分別是：重新排序、學(xué)習(xí)排序模型以及訓(xùn)練模式，接下來我們將一一介紹。

重新排序

通過重新排序，您可以運行一個簡單的查詢來匹配文檔，然后使用來自不同的、更復(fù)雜的查詢中的分?jǐn)?shù)重新排列前 N 個文檔。本頁面描述了 LTR 復(fù)雜查詢的使用，Solr 發(fā)行版中包含的其他等級查詢的信息可以在查詢重新排序頁面上找到。

學(xué)習(xí)排序模型

在信息檢索系統(tǒng)中，學(xué)習(xí)排序被用來排名使用經(jīng)過訓(xùn)練的機器學(xué)習(xí)模型來檢索前 N 個文檔。希望這種復(fù)雜的模型可以比 TF-IDF 或 BM25 等標(biāo)準(zhǔn)排序函數(shù)做出更細(xì)致的排序決定。

排序模型計算用于重新排列文檔的分?jǐn)?shù)。不管任何特定的算法或?qū)崿F(xiàn)，排序模型的計算可以使用三種類型的輸入：

表示評分算法的參數(shù)
表示文檔被評分的功能
表示要對其進(jìn)行評分的查詢的功能

特征

特征是一個值，一個數(shù)字，表示被評分的文件的數(shù)量或質(zhì)量，或者是要對其進(jìn)行記錄的查詢。例如，文檔通常具有“新近度”質(zhì)量，“過去購買次數(shù)”可能是作為搜索查詢的一部分傳遞給 Solr 的數(shù)量。

正規(guī)化

一些排名模式預(yù)計在特定的規(guī)模的功能。標(biāo)準(zhǔn)化器可用于將任意特征值轉(zhuǎn)換為標(biāo)準(zhǔn)化值，例如：0..1 或 0..100 的標(biāo)度。

訓(xùn)練模式

函數(shù)工程

LTR contrib 模塊包含幾個函數(shù)類以及對自定義功能的支持。每個函數(shù)類的 javadoc 都包含一個例子來說明該類的使用方法。函數(shù)工程本身的過程完全取決于您的領(lǐng)域?qū)I(yè)知識和創(chuàng)造力。

函數(shù)	類	示例參數(shù)	額外的函數(shù)信息
字段長度	FieldLengthFeature	`{"field":"title"}`	尚未支持
字段值	FieldValueFeature	`{"field":"hits"}`	尚未支持
原始分?jǐn)?shù)	OriginalScoreFeature	`{}`	不適用
solr 查詢	SolrFeature	`{"q":"{!func}` `recip(ms(NOW,last_modified),3.16e-11,1,1)"}`	支持的
solr 過濾器查詢	SolrFeature	`{"fq":["{!terms f=category}book"]}`	支持的
solr 查詢 + 過濾器查詢	SolrFeature	`{"q":"{!func}` `recip(ms(NOW,last_modified),3.16e-11,1,1)",` `"fq":["{!terms f=category}book"]}`	支持的
值	ValueFeature	`{"value":"${userFromMobile}","required":true}`	支持的
（自定義）	（自定義類擴展函數(shù)）

正規(guī)化	類	示例參數(shù)
Identity	IdentityNormalizer	`{}`
MINMAX	MinMaxNormalizer	`{"min":"0", "max":"50" }`
Standard	StandardNormalizer	`{"avg":"42","std":"6"}`
（自定義）	（自定義類擴展 Normalizer）

函數(shù)提取

LTR contrib 模塊包含一個[函數(shù)轉(zhuǎn)換器]，用于支持函數(shù)值的計算和返回以便進(jìn)行函數(shù)提取，特別是當(dāng)您還沒有真正的重新排序模型時。

函數(shù)選擇和模型訓(xùn)練

函數(shù)選擇和模型訓(xùn)練在離線和 Solr 之外進(jìn)行。ltr contrib 模塊支持兩種廣義形式的模型以及自定義模型。每個模型類的 javadoc 包含一個示例來說明該類的配置。以 JSON 文件的形式，可以使用提供的 REST API 直接將經(jīng)過培訓(xùn)的一個或多個模型（例如針對不同客戶地區(qū)的不同模型）上傳到 Solr。

一般形式	類	具體的例子
Linear	LinearModel	RankSVM, Pranking
Multiple Additive Trees	MultipleAdditiveTreesModel	LambdaMART, Gradient Boosted Regression Trees (GBRT)
（自定義）	（自定義類擴展 LTRScoringModel）	（不適用）

LTR 快速入門

Solr 附帶的 "techproducts" 示例預(yù)先配置了學(xué)習(xí)排序所需的插件，但默認(rèn)情況下它們是禁用的。

要啟用插件，請在運行示例時指定 solr.ltr.enabled JVM 系統(tǒng)屬性：

bin/solr start -e techproducts -Dsolr.ltr.enabled=true

上傳函數(shù)

要上傳 /path/myFeatures.json 文件中的函數(shù)，請運行：

curl -XPUT 'http://localhost:8983/solr/techproducts/schema/feature-store' --data-binary "@/path/myFeatures.json" -H 'Content-type:application/json'

要查看剛剛上傳的函數(shù)，請在瀏覽器中打開以下 URL：

http://localhost:8983/solr/techproducts/schema/feature-store/_DEFAULT_

例如：/path/myFeatures.json

[
  {
    "name" : "documentRecency",
    "class" : "org.apache.solr.ltr.feature.SolrFeature",
    "params" : {
      "q" : "{!func}recip( ms(NOW,last_modified), 3.16e-11, 1, 1)"
    }
  },
  {
    "name" : "isBook",
    "class" : "org.apache.solr.ltr.feature.SolrFeature",
    "params" : {
      "fq": ["{!terms f=cat}book"]
    }
  },
  {
    "name" : "originalScore",
    "class" : "org.apache.solr.ltr.feature.OriginalScoreFeature",
    "params" : {}
  }
]

提取函數(shù)

要將函數(shù)作為查詢的一部分提取，請?zhí)砑?[features] 到 fl 參數(shù)中，例如：

http://localhost:8983/solr/techproducts/query?q=test&fl=id,score,%5Bfeatures%5D

輸出 XML 將包含作為逗號分隔列表的函數(shù)值，類似于此處顯示的輸出：

{
  "responseHeader":{
    "status":0,
    "QTime":0,
    "params":{
      "q":"test",
      "fl":"id,score,[features]"}},
  "response":{"numFound":2,"start":0,"maxScore":1.959392,"docs":[
      {
        "id":"GB18030TEST",
        "score":1.959392,
        "[features]":"documentRecency=0.020893794,isBook=0.0,originalScore=1.959392"},
      {
        "id":"UTF8TEST",
        "score":1.5513437,
        "[features]":"documentRecency=0.020893794,isBook=0.0,originalScore=1.5513437"}]
  }}

上傳模型

要將 /path/myModel.json 文件中的模型上傳，請運行：

curl -XPUT 'http://localhost:8983/solr/techproducts/schema/model-store' --data-binary "@/path/myModel.json" -H 'Content-type:application/json'

要查看剛剛上傳的模型，請在瀏覽器中打開以下URL：

http://localhost:8983/solr/techproducts/schema/model-store

例如：/path/myModel.json

{
  "class" : "org.apache.solr.ltr.model.LinearModel",
  "name" : "myModel",
  "features" : [
    { "name" : "documentRecency" },
    { "name" : "isBook" },
    { "name" : "originalScore" }
  ],
  "params" : {
    "weights" : {
      "documentRecency" : 1.0,
      "isBook" : 0.1,
      "originalScore" : 0.5
    }
  }
}

運行重新查詢

要重新查詢查詢的結(jié)果，請將該 rq 參數(shù)添加到搜索中，例如：

http://localhost:8983/solr/techproducts/query?q=test&rq=%7B!ltr%20model=myModel%20reRankDocs=100%7D&fl=id,score[http://localhost:8983/solr/techproducts/query?q=test&rq=\{!ltr model=myModel reRankDocs=100}&fl=id,score]`

rq 參數(shù)的添加不會改變搜索的輸出 XML。

要獲得重新排序時計算的函數(shù)值，請?zhí)砑?[features] 到 fl 參數(shù)中，例如：

http://localhost:8983/solr/techproducts/query?q=test&rq=%7B!ltr%20model=myModel%20reRankDocs=100%7D&fl=id,score,%5Bfeatures%5D[http://localhost:8983/solr/techproducts/query?q=test&rq=\{!ltr model=myModel reRankDocs=100}&fl=id,score,[features]]

輸出 XML 將包含作為逗號分隔列表的函數(shù)值，類似于此處顯示的輸出：

{
  "responseHeader":{
    "status":0,
    "QTime":0,
    "params":{
      "q":"test",
      "fl":"id,score,[features]",
      "rq":"{!ltr model=myModel reRankDocs=100}"}},
  "response":{"numFound":2,"start":0,"maxScore":1.0005897,"docs":[
      {
        "id":"GB18030TEST",
        "score":1.0005897,
        "[features]":"documentRecency=0.020893792,isBook=0.0,originalScore=1.959392"},
      {
        "id":"UTF8TEST",
        "score":0.79656565,
        "[features]":"documentRecency=0.020893792,isBook=0.0,originalScore=1.5513437"}]
  }}

外部函數(shù)信息

該 ValueFeature 和 SolrFeature 類支持使用外部函數(shù)信息，簡稱 efi。

上傳函數(shù)

要上傳 /path/myEfiFeatures.json 文件中的函數(shù)，請運行：

curl -XPUT 'http://localhost:8983/solr/techproducts/schema/feature-store' --data-binary "@/path/myEfiFeatures.json" -H 'Content-type:application/json'

要查看剛剛上傳的函數(shù)，請在瀏覽器中打開以下URL：

http://localhost:8983/solr/techproducts/schema/feature-store/myEfiFeatureStore

例如：/path/myEfiFeatures.json

[
  {
    "store" : "myEfiFeatureStore",
    "name" : "isPreferredManufacturer",
    "class" : "org.apache.solr.ltr.feature.SolrFeature",
    "params" : { "fq" : [ "{!field f=manu}${preferredManufacturer}" ] }
  },
  {
    "store" : "myEfiFeatureStore",
    "name" : "userAnswerValue",
    "class" : "org.apache.solr.ltr.feature.ValueFeature",
    "params" : { "value" : "${answer:42}" }
  },
  {
    "store" : "myEfiFeatureStore",
    "name" : "userFromMobileValue",
    "class" : "org.apache.solr.ltr.feature.ValueFeature",
    "params" : { "value" : "${fromMobile}", "required" : true }
  },
  {
    "store" : "myEfiFeatureStore",
    "name" : "userTextCat",
    "class" : "org.apache.solr.ltr.feature.SolrFeature",
    "params" : { "q" : "{!field f=cat}${text}" }
  }
]

另外，您可能已經(jīng)注意到該 myEfiFeatures.json 示例使用了 "store":"myEfiFeatureStore" 屬性：store，請在本頁面的 LTR 生命周期部分閱讀更多關(guān)于函數(shù)存儲的內(nèi)容。

提取函數(shù)

要將 myEfiFeatureStore 函數(shù)作為查詢的一部分提取，請將 efi.* 參數(shù)添加到 fl 參數(shù)的 [features] 部分，例如：

http://localhost:8983/solr/techproducts/query?q=test&fl=id,cat,manu,score,[features store=myEfiFeatureStore efi.text=test efi.preferredManufacturer=Apache efi.fromMobile=1]

http://localhost:8983/solr/techproducts/query?q=test&fl=id,cat,manu,score,[features store=myEfiFeatureStore efi.text=test efi.preferredManufacturer=Apache efi.fromMobile=0 efi.answer=13]

上傳模型

要將 /path/myEfiModel.json 文件中的模型上傳，請運行：

curl -XPUT 'http://localhost:8983/solr/techproducts/schema/model-store' --data-binary "@/path/myEfiModel.json" -H 'Content-type:application/json'

要查看剛剛上傳的模型，請在瀏覽器中打開以下URL：http://localhost:8983/solr/techproducts/schema/model-store

例如：/path/myEfiModel.json

{
  "store" : "myEfiFeatureStore",
  "name" : "myEfiModel",
  "class" : "org.apache.solr.ltr.model.LinearModel",
  "features" : [
    { "name" : "isPreferredManufacturer" },
    { "name" : "userAnswerValue" },
    { "name" : "userFromMobileValue" },
    { "name" : "userTextCat" }
  ],
  "params" : {
    "weights" : {
      "isPreferredManufacturer" : 0.2,
      "userAnswerValue" : 1.0,
      "userFromMobileValue" : 1.0,
      "userTextCat" : 0.1
    }
  }
}

運行重新排序查詢

要獲得重新排序期間計算的函數(shù)值，請將 [features] 參數(shù)添加到 fl 參數(shù)中并且將 efi.* 參數(shù)添加到 rq 參數(shù)中，例如：

http://localhost:8983/solr/techproducts/query?q=test&rq=\{!ltr model=myEfiModel efi.text=test efi.preferredManufacturer=Apache efi.fromMobile=1}&fl=id,cat,manu,score,[features]] link:[]

http://localhost:8983/solr/techproducts/query?q=test&rq={!ltr model=myEfiModel efi.text=test efi.preferredManufacturer=Apache efi.fromMobile=0 efi.answer=13}&fl=id,cat,manu,score,[features]

請注意，在 fl 參數(shù)的 [features] 部分中沒有 efi. * 參數(shù)。

在重新排序是提取函數(shù)

要提取 myEfiFeatureStore 函數(shù)的功能，同時仍然使用 myModel 進(jìn)行重新排序：

http://localhost:8983/solr/techproducts/query?q=test&rq={!ltr model=myModel}&fl=id,cat,manu,score,[features store=myEfiFeatureStore efi.text=test efi.preferredManufacturer=Apache efi.fromMobile=1]

注意 rq 參數(shù)中沒有 efi.* 參數(shù)（因為 myModel 沒有使用 efi 函數(shù)）以及 fl 參數(shù)的 [features] 部分存在 efi.* 參數(shù)（因為 myEfiFeatureStore 包含了 efi 函數(shù)）。

在此頁面的LTR生命周期部分閱讀有關(guān)模型演化的更多信息。

訓(xùn)練示例

示例訓(xùn)練數(shù)據(jù)和演示“訓(xùn)練和上傳模型”腳本可以在 Apache lucene-solr git repository（鏡像在github.com）的 solr/contrib/ltr/example 文件夾中找到（solr/contrib/ltr/example 文件夾不是在 solr 二進(jìn)制文件釋放）。

安裝 LTR

LTR contrib 模塊需要：dist/solr-ltr-*.jarJAR。

LTR 配置

Learning-To-Rank（學(xué)習(xí)排序）是一個 contrib 模塊，因此它的插件必須在 solrconfig.xml 配置。

最低要求

包括所需的 contrib JAR。請注意，默認(rèn)路徑是相對于 Solr 核心的，所以他們可能需要調(diào)整您的配置，或一個明確的規(guī)范是：$solr.install.dir。
```
<lib dir="${solr.install.dir:../../../..}/dist/" regex="solr-ltr-\d.*\.jar" />
```

LTR 查詢解析器的聲明。

<queryParser name="ltr" class="org.apache.solr.ltr.search.LTRQParserPlugin"/>

配置函數(shù)值緩存。

<cache name="QUERY_DOC_FV"
       class="solr.search.LRUCache"
       size="4096"
       initialSize="2048"
       autowarmCount="4096"
       regenerator="solr.search.NoOpRegenerator" />

[features] 轉(zhuǎn)換器的聲明。

<transformer name="features" class="org.apache.solr.ltr.response.transform.LTRFeatureLoggerTransformerFactory">
  <str name="fvCacheName">QUERY_DOC_FV</str>
</transformer>

高級選項

LTRThreadModule

可以為查詢解析器和轉(zhuǎn)換器配置線程模塊，以并行化函數(shù)權(quán)重的創(chuàng)建。有關(guān)詳細(xì)信息，請參閱 LTRThreadModule javadocs。

函數(shù)向量定制

函數(shù)轉(zhuǎn)換器返回密集的 CSV 值，如：featureA=0.1、featureB=0.2、featureC=0.3、featureD=0.0。

對于稀疏的 CSV 輸出，例如：featureA:0.1、featureB:0.2、featureC:0.3，您可以在 solrconfig 中自定義函數(shù)記錄器轉(zhuǎn)換器聲明，如下所示：

<transformer name="features" class="org.apache.solr.ltr.response.transform.LTRFeatureLoggerTransformerFactory">
  <str name="fvCacheName">QUERY_DOC_FV</str>
  <str name="defaultFormat">sparse</str>
  <str name="csvKeyValueDelimiter">:</str>
  <str name="csvFeatureSeparator"> </str>
</transformer>

LTR 生命周期

函數(shù)存儲

建議您將所有函數(shù)組織到類似于命名空間的存儲中：

存儲區(qū)中的函數(shù)必須唯一地命名。
跨存儲相同或相似的函數(shù)可以共享相同的名稱。
如果未指定存儲名，則將使用默認(rèn)的 _DEFAULT_ 函數(shù)存儲。

查看所有函數(shù)存儲的名稱：

http://localhost:8983/solr/techproducts/schema/feature-store

檢查 commonFeatureStore 函數(shù)存儲的內(nèi)容：

http://localhost:8983/solr/techproducts/schema/feature-store/commonFeatureStore

模型

模型使用來自一個函數(shù)存儲的函數(shù)。
如果未指定存儲，則將使用默認(rèn)的 _DEFAULT_ 函數(shù)存儲。
模型不需要使用函數(shù)存儲中定義的所有函數(shù)。
多個模型可以使用相同的函數(shù)存儲。

提取 currentFeatureStore 函數(shù)的函數(shù)：

http://localhost:8983/solr/techproducts/query?q=test&fl=id,score,[features store=currentFeatureStore]

提取 nextFeatureStore 函數(shù)的函數(shù)，同時 reranking 和 currentModel 基于 currentFeatureStore：

http://localhost:8983/solr/techproducts/query?q=test&rq={!ltr model=currentModel reRankDocs=100}&fl=id,score,[features store=nextFeatureStore]

要查看所有型號：

http://localhost:8983/solr/techproducts/schema/model-store

刪除 currentModel 模型：

curl -XDELETE 'http://localhost:8983/solr/techproducts/schema/model-store/currentModel'

注意：只有在沒有使用模型的情況下，才能刪除函數(shù)存儲。

刪除 currentFeatureStore 函數(shù)存儲：

curl -XDELETE 'http://localhost:8983/solr/techproducts/schema/feature-store/currentFeatureStore'

應(yīng)用更改

函數(shù)存儲和模型存儲都是托管資源。在 Solr 集合（或單服務(wù)器模式下的 Solr 核心）重新加載之前，對托管資源所做的更改不會應(yīng)用到活動的 Solr 組件。

LTR 示例

一個函數(shù)存儲，多個排序模型

leftModel 和 rightModel 都使用來自 commonFeatureStore 的函數(shù)，并且兩個模型之間唯一的不同是每個函數(shù)附加的權(quán)重。
使用的約定：
- commonFeatureStore.json 文件包含 commonFeatureStore 函數(shù)存儲的函數(shù)；
- leftModel.json 文件包含名為 leftModel 的模型；
- rightModel.json 文件包含名為 rightModel 的模型；
- 模型的函數(shù)和權(quán)重按照名稱的字母順序進(jìn)行排序，這樣可以很容易地看出兩個模型之間的共同點和差異。存儲函數(shù)按名稱按字母順序排序，這使得查找模型中使用的函數(shù)變得很容易

例如：/path/commonFeatureStore.json

[
  {
    "store" : "commonFeatureStore",
    "name" : "documentRecency",
    "class" : "org.apache.solr.ltr.feature.SolrFeature",
    "params" : {
      "q" : "{!func}recip( ms(NOW,last_modified), 3.16e-11, 1, 1)"
    }
  },
  {
    "store" : "commonFeatureStore",
    "name" : "isBook",
    "class" : "org.apache.solr.ltr.feature.SolrFeature",
    "params" : {
      "fq": [ "{!terms f=category}book" ]
    }
  },
  {
    "store" : "commonFeatureStore",
    "name" : "originalScore",
    "class" : "org.apache.solr.ltr.feature.OriginalScoreFeature",
    "params" : {}
  }
]

例如：/path/leftModel.json

{
  "store" : "commonFeatureStore",
  "name" : "leftModel",
  "class" : "org.apache.solr.ltr.model.LinearModel",
  "features" : [
    { "name" : "documentRecency" },
    { "name" : "isBook" },
    { "name" : "originalScore" }
  ],
  "params" : {
    "weights" : {
      "documentRecency" : 0.1,
      "isBook" : 1.0,
      "originalScore" : 0.5
    }
  }
}

例如：/path/rightModel.json

{
  "store" : "commonFeatureStore",
  "name" : "rightModel",
  "class" : "org.apache.solr.ltr.model.LinearModel",
  "features" : [
    { "name" : "documentRecency" },
    { "name" : "isBook" },
    { "name" : "originalScore" }
  ],
  "params" : {
    "weights" : {
      "documentRecency" : 1.0,
      "isBook" : 0.1,
      "originalScore" : 0.5
    }
  }
}

模型演變

linearModel201701 使用 featureStore201701 的函數(shù)
treesModel201702 使用 featureStore201702 的函數(shù)
linearModel201701 和 treesModel201702 他們的函數(shù)存儲可以共存，而兩者都是必要的。
當(dāng) linearModel201701 被刪除時，那么 featureStore201701 也可以被刪除。
使用的約定：
- <store>.json 文件包含 <store> 函數(shù)存儲的函數(shù)；
- <model>.json 文件包含模型名稱 <model>；
- “generation” ID（例如，YYYYMM 年 - 月）是函數(shù)存儲和模型名稱的一部分；
- 模型的函數(shù)和權(quán)重按照名稱的字母順序進(jìn)行排序，這樣可以很容易地看出兩個模型之間的共同點和差異。存儲函數(shù)按名稱按字母順序排序，這樣可以很容易地看出兩個函數(shù)存儲之間的共同點和差異。

例如：/path/featureStore201701.json

[
  {
    "store" : "featureStore201701",
    "name" : "documentRecency",
    "class" : "org.apache.solr.ltr.feature.SolrFeature",
    "params" : {
      "q" : "{!func}recip( ms(NOW,last_modified), 3.16e-11, 1, 1)"
    }
  },
  {
    "store" : "featureStore201701",
    "name" : "isBook",
    "class" : "org.apache.solr.ltr.feature.SolrFeature",
    "params" : {
      "fq": [ "{!terms f=category}book" ]
    }
  },
  {
    "store" : "featureStore201701",
    "name" : "originalScore",
    "class" : "org.apache.solr.ltr.feature.OriginalScoreFeature",
    "params" : {}
  }
]

例如：/path/linearModel201701.json

{
  "store" : "featureStore201701",
  "name" : "linearModel201701",
  "class" : "org.apache.solr.ltr.model.LinearModel",
  "features" : [
    { "name" : "documentRecency" },
    { "name" : "isBook" },
    { "name" : "originalScore" }
  ],
  "params" : {
    "weights" : {
      "documentRecency" : 0.1,
      "isBook" : 1.0,
      "originalScore" : 0.5
    }
  }
}

例如：/path/featureStore201702.json

[
  {
    "store" : "featureStore201702",
    "name" : "isBook",
    "class" : "org.apache.solr.ltr.feature.SolrFeature",
    "params" : {
      "fq": [ "{!terms f=category}book" ]
    }
  },
  {
    "store" : "featureStore201702",
    "name" : "originalScore",
    "class" : "org.apache.solr.ltr.feature.OriginalScoreFeature",
    "params" : {}
  }
]

例如：/path/treesModel201702.json

{
  "store" : "featureStore201702",
  "name" : "treesModel201702",
  "class" : "org.apache.solr.ltr.model.MultipleAdditiveTreesModel",
  "features" : [
    { "name" : "isBook" },
    { "name" : "originalScore" }
  ],
  "params" : {
    "trees" : [
      {
        "weight" : "1",
        "root" : {
          "feature" : "isBook",
          "threshold" : "0.5",
          "left" : { "value" : "-100" },
          "right" : {
            "feature" : "originalScore",
            "threshold" : "10.0",
            "left" : { "value" : "50" },
            "right" : { "value" : "75" }
          }
        }
      },
      {
        "weight" : "2",
        "root" : {
          "value" : "-10"
        }
      }
    ]
  }
}

額外的 LTR 資源

在 Austin 中的在 Lucene/Solr Revolution 2015 上的 “Solr 學(xué)習(xí)排名”：
- 幻燈片: http://www.slideshare.net/lucidworks/learning-to-rank-in-solr-presented-by-michael-nilsson-diego-ceccarelli-bloomberg-lp
- 視頻: https://www.youtube.com/watch？v=M7BKwJoh96s

以上內(nèi)容是否對您有幫助：

在文檔使用的過程中是否遇到以下問題：

內(nèi)容錯誤
更新不及時
鏈接錯誤
缺少代碼/圖片示列
太簡單/步驟待完善
其他

更多建議：

提交建議

← 如何對Solr查詢進(jìn)行重新排序

Solr文檔轉(zhuǎn)換器 →

寫筆記

我要補充

查看完整版筆記

99re热这里只有精品视频,7777色鬼xxxx欧美色妇,国产成人精品一区二三区在线观看,内射爽无广熟女亚洲,精品人妻av一区二区三区

在Solr中學(xué)習(xí)排序（LTR）

學(xué)習(xí)排序概念

重新排序

學(xué)習(xí)排序模型

特征

正規(guī)化

訓(xùn)練模式

函數(shù)工程

函數(shù)提取

函數(shù)選擇和模型訓(xùn)練

LTR 快速入門

上傳函數(shù)

提取函數(shù)

上傳模型

運行重新查詢

外部函數(shù)信息

上傳函數(shù)

提取函數(shù)

上傳模型

運行重新排序查詢

在重新排序是提取函數(shù)

訓(xùn)練示例

安裝 LTR

LTR 配置

最低要求

高級選項

LTRThreadModule

函數(shù)向量定制

LTR 生命周期

函數(shù)存儲

模型

應(yīng)用更改

LTR 示例

一個函數(shù)存儲，多個排序模型

模型演變

額外的 LTR 資源

一個函數(shù)存儲，多個排序模型