我可以匹配字符串中的重要关键字吗？

Question

假设用户将此搜索字符串输入到新闻搜索引擎：

"Oops, Donald Trump Jr. Did It Again (Wikileaks Edition) :: Politics - Paste"

假设我们有一个新闻标题数据库和一个 "Important People" 数据库。这里的目标是：如果搜索字符串包含重要人物，那么 return 包含此 "substring" 的结果的排名将高于那些不包含它的结果。

使用 Yahoo Vespa 引擎，如何将充满人名的数据库与长新闻标题字符串进行匹配？

*我希望说得通，对不起大家，我的英语不太好:( 谢谢！

Answer 1

在新闻标题的文档 processing/indexing 期间，您可以使用 "important people" 数据库从输入文本中提取命名实体。这个过程可以在自定义文档处理器中实现。参见 http://docs.vespa.ai/documentation/document-processing-overview.html)。

新闻搜索的文档定义可能看起来像这样，带有自定义排名功能。文档处理器读取输入标题并填充实体数组。

search news { 
  document news { 
     field title type string { 
       indexing: summary | index
     }
     field entities type array<string> {
       indexing: summary | index
       match: word 
     }
   }
   rank-profile entity-ranking { 
      first-phase {
        expression: nativeRank(title) + matches(entities) 
      }
   }

在查询时，您需要从查询输入中提取相同的命名实体，并构建一个可以搜索标题的 Vespa 查询树（例如使用 OR 或 WeakAnd），还可以搜索实体字段以查找可能的使用 Vespa Rank 运算符的命名实体。例如，给定您的查询示例，实际查询可能类似于：

select * from sources * where rank(title contains "oops" or title 
contains "donald" or title contains "trump", entities contains "Donald Trump Jr.");

您可以使用共享的命名实体提取组件在自定义搜索器中构建查询树 http://docs.vespa.ai/documentation/searcher-development.html。

一些资源

共享组件&编写自定义searchers/documentprocesors（实现命名实体提取）http://docs.vespa.ai/documentation/jdisc/container-components.html
排名http://docs.vespa.ai/documentation/ranking.html
查询语言http://docs.vespa.ai/documentation/query-language.html

我可以匹配字符串中的重要关键字吗？

Can I match important Keywords in a string?

vespa