Výpočet skóre zásahu

Výpočet

Výpočet probíhá podle algoritmu BM25. BM = Best Matching.
Skóre dotazu $Q$ obsahující tokeny $q_{1}, ..., q_{n}$ na hodnotu zadané položky dokumentu $D$ je dáno výpočtem:

score (D, Q) = i = 1 \sum n b oos t * I D F (q_{i}) * t f (q_{i}, D)

Základní hodnota $b oos t$ je $k_{1} + 1$ . Výchozí hodnota parametru $k_{1}$ (term saturation parameter) je $1.2$ . Základní hodnota $b oos t$ je tedy $2.2$
Hodnota $I D F (q_{i})$ je dána vzorcem:

l n (1 + \frac{N - n ( q _{i} + 0.5 )}{n ( q _{i} + 0.5 )})

Hodnota $n (_{q} i)$ udává počet dokumentů obsahující v zadané položce term $q_{i}$ a hodnota $N$ celkový počet dokumentů s položkou.
Hodnota $t f (q_{i}, D)$ je dána vzorcem:

\frac{f ( q _{i} , D )}{f ( q _{i} , D ) + k _{1} \cdot ( 1 - b + b \cdot \frac{d l}{a vg d l} )}

Zkratka $t f$ znamená term frequency.
Hodnota $f (q_{i}, D)$ udává počet výskytů termu $q_{i}$ v zadané položce dokumentu $D$
$k_{1} = 1.2$ je term saturation parameter
$b = 0.75$ je length normalization parameter
$d l$ je document length, udává počet termá v zadané položce dokumentu $D$
$a vg d l$ je average document length a udává průměrný počet termů v zadané položce u všech dokumentů

Skóre zásahu se obvykle vypočítá na základě několika faktorů:
1. Term Frequency (TF): Četnost termínu, tedy kolikrát se hledaný termín vyskytuje v poli dokumentu. Čím častěji se termín vyskytuje, tím je považován za relevantnější.
2. Inverse Document Frequency (IDF): Tento faktor obráceně koreluje s počtem dokumentů ve kterých se termín vyskytuje. Pokud se termín vyskytuje v mnoha dokumentech, jeho význam pro určení relevance je menší.
3. Field-Length Norm: Dokumenty s menším počtem slov v poli mohou získat vyšší skóre než delší dokumenty, protože se předpokládá, že pokud se hledaný termín vyskytuje v krátkém textu, je pravděpodobněji tématem celého dokumentu.
4. Boosting: Určitá pole nebo termíny mohou být posíleny, tzn. výslovně jim může být přiděleno vyšší skóre, aby ovlivnily celkové skóre zásahu.
Výsledné skóre zásahu pro každý dokument je potom využito pro řazení výsledků hledání. Dokumenty s vyšším skóre zásahu jsou považovány za relevantnější pro daný dotaz a jsou umístěny výše ve výsledcích vyhledávání.

Podrobnosti o výpočtu skóre lze získat přidáním položky "explain" s hodnotou true k dotazu

{  
	"query": query, 
	"explain": true
}

Například:

GET /book/_search
{
  "query": {
    "match": {
      "title": {
        "query": "fellowship ring hobbit"
		}
	}
},
  "explain": true
}