MarkLogic中的Score和Relevance (二)

3：marklogic relevance算法

这个是marklogic核心针对score/relevance的处理机制，它提供了5种不同的方案。你可以设置search option来限定你当下的search使用怎样的relevance算法。

A:logTF*logIDF

score-logtfidf

这个算法侧重词义的重要性。比如你查询：theMarklogic。这个phase中显而易见的the这个词的搜索并不重要，重要的是Marklogic在文档中出行的情况。而往往这样的case中the的出现频率远远高于Marklogic。因此如何在search结果集中保持marklogic这个关键词的出现文档维持高relevance。正是这个算法的目标。

B:logTF

score-logtf

直接只考虑TF（term frequency）。同时还考虑dcocument的size。

例如一个词在一片文章中出现了10次，而这个文章总共用1000个字。而在第二篇文章中出现了100次，而该文章的size为10000个字。那么第一篇的score将会高于第二篇。

相对

C: Simple Term Match Calculation

score-simple

这个很好理解，而且很直观简单。意思就是只要文章中出现了要找的词，那么就contribute一定数量的weight。它不考虑出现的频率。如：theMarklogic。 The在document中出现了100次，marklogic在文档中出现了5次。但是他们对relevance的贡献是一致的都是8（8是marklogic内部默认的权重值）

D: Random Score Calculation

score-random

这个东东的目的还真不知道！说是使用了这个option，那么每次runtime时会随机的为每个match的结果term赋予分值。因此在多次run这样的search时，并不会因为你的search term条件不变而结果集的显示sorting的顺序保持不变。

4：coding

说了这么多了，在整个marklogic的处理流程里，我们已经包含了:文档上传—〉数据库设置（机制的选择）--〉search：searchoption设置àcoding

看起来就差coding的支持了。我们知道其他三项都是属于application级别的,你架构设计文档结构（目录）制定权重，配置数据库设置满足common的一个算法需要，设置你的searchoption配置common的search效果。 而coding的方式是必须要提供的，它往往提供异常灵活的处理，对于特殊场景下的search做特定的relevence的处理。因此coding最灵活。

Marklogic coding方式relevence计算的体现就是你可以对每一个cts：query expression设置权重，进而来影响score/relevance。

Adding Weights to cts:query Expressions

 

可以这样理解，core的计算分为2大块，一块给予静态的index/fragment,权重信息要么已经定义，要么根据TF在fragment中的频度设置。一块基于动态的query expression，你可以runtime设置权重。

 

Scores arecalculated based on index data, and therefore based on unfiltered searches.That has

several implications to scores:

• Scores are fragment-based, so term frequency and document frequency are calculated

based on termfrequency per fragment and fragment frequency respectively.

• Scores are based on unfiltered searches, so they include false-positive results.