相关性和 Solr 分组
Relevance and Solr Grouping
假设我在 Solr 索引中有以下网页集合：
+-----+----------+----------------+--------------+
| ID | Domain | Path | Content |
+-----+----------+----------------+--------------+
| 1 | 1.com | /hello1.html | Hello dude |
| 2 | 1.com | /hello2.html | Hello man |
| 3 | 1.com | /hello3.html | Hello fella |
| 4 | 2.com | /hello1.html | Hello sir |
...
我想查询 hello 以显示按域分组的结果，例如：
Results from 1.com:
/hello1.html
/hello2.html
/hello3.html
Results from 2.com:
/hello1.html
如果我按分数排序，顺序是如何确定的？我通常将 TF/IDF 和 PageRank 组合用于我的结果，但由于它计算每个单独项目的分数，它如何确定如何对组进行排序？如果 1.com/hello3.html 和 1.com/hello2.html 的相关性很低，但有两个结果，而 2.com/hello1.html 怎么办？具有很高的相关性并且只有一个结果？或相反亦然？还是当分组字段中有多个项目时，相关性求和？
我环顾四周，但未能找到合适的答案。
谢谢。
我觉得你在使用 Result Grouping。如果是这样，则组根据 sort 参数排序，每个组内的记录根据 group.sort 参数排序。如果您按 sort=score desc 对组进行排序（这是默认设置，因此您实际上不需要指定它），那么它会根据每个组的 score 对组进行排序团体。这个分数是如何确定的不是很清楚，但如果你查看链接文档中的示例，你会看到这个声明：
The groups are sorted by the score of the top document within each group.
因此，在您的示例中，如果 2.com 的 hello1.html 是您结果集中最相关的文档，那么 "Results from 2.com" 将是您最相关的组，即使 "Results from 1.com" 包括文档数的三倍。
如果这不是您想要的，最好的选择是提供不同的 sort 参数或结果 post 处理。例如，对于我参与的一个项目（我们的组数量非常少），我们选择为每个组提取前三个结果，在 post 处理中，我们计算了我们自己的排序顺序根据分数和 numFound 值的组合进行分组。对于组太多的情况，这种策略可能会让人望而却步，如果更多的组 运行 存在使最相关文档更难找到的风险，则可能不是一个好主意。
假设我在 Solr 索引中有以下网页集合：
+-----+----------+----------------+--------------+
| ID | Domain | Path | Content |
+-----+----------+----------------+--------------+
| 1 | 1.com | /hello1.html | Hello dude |
| 2 | 1.com | /hello2.html | Hello man |
| 3 | 1.com | /hello3.html | Hello fella |
| 4 | 2.com | /hello1.html | Hello sir |
...
我想查询 hello 以显示按域分组的结果，例如：
Results from 1.com:
/hello1.html
/hello2.html
/hello3.html
Results from 2.com:
/hello1.html
如果我按分数排序，顺序是如何确定的？我通常将 TF/IDF 和 PageRank 组合用于我的结果，但由于它计算每个单独项目的分数，它如何确定如何对组进行排序？如果 1.com/hello3.html 和 1.com/hello2.html 的相关性很低，但有两个结果，而 2.com/hello1.html 怎么办？具有很高的相关性并且只有一个结果？或相反亦然？还是当分组字段中有多个项目时，相关性求和？
我环顾四周，但未能找到合适的答案。
谢谢。
我觉得你在使用 Result Grouping。如果是这样，则组根据 sort 参数排序，每个组内的记录根据 group.sort 参数排序。如果您按 sort=score desc 对组进行排序（这是默认设置，因此您实际上不需要指定它），那么它会根据每个组的 score 对组进行排序团体。这个分数是如何确定的不是很清楚，但如果你查看链接文档中的示例，你会看到这个声明：
The groups are sorted by the score of the top document within each group.
因此，在您的示例中，如果 2.com 的 hello1.html 是您结果集中最相关的文档，那么 "Results from 2.com" 将是您最相关的组，即使 "Results from 1.com" 包括文档数的三倍。
如果这不是您想要的，最好的选择是提供不同的 sort 参数或结果 post 处理。例如，对于我参与的一个项目（我们的组数量非常少），我们选择为每个组提取前三个结果，在 post 处理中，我们计算了我们自己的排序顺序根据分数和 numFound 值的组合进行分组。对于组太多的情况，这种策略可能会让人望而却步，如果更多的组 运行 存在使最相关文档更难找到的风险，则可能不是一个好主意。