Voorbeelden om een BM25-rangschikking te reproduceren

Deze voorbeelden gebruiken verzonnen documenten en zoekopdrachten. Ze laten zien dat dezelfde kandidaten andere scores kunnen krijgen als de collectie verandert waarmee de scores worden berekend. Ook kan een kandidaat al bij de eerste selectie afvallen. De berekeningen gebruiken de vastgelegde versie van rank-bm25.

Download de vijf testscripts en de bewaarde resultaten (ZIP). In het README-bestand staat hoe je de vastgelegde versies van de Python-pakketten installeert en de testresultaten vergelijkt.

Hoe veranderde de gemiddelde documentlengte?

Ook een nieuw document zonder een van de zoektermen kan de gemiddelde lengte veranderen die meetelt voor de score. In dit voorbeeld staat A voor bij een gemiddelde onder 18 tokens, staat A gelijk met B bij 18 en blijft A achter boven 18. In de controletest zonder lengtecorrectie staat B steeds voor.

Welke documenten veranderden het gewicht van de zoektermen?

In een collectie van negen verzonnen documenten komt A overeen met red en B met blue. Door twee wijzigingen in andere documenten stijgt het aantal documenten met red van twee naar vier. Het aantal met blue blijft drie. A leidt eerst, staat na de eerste wijziging gelijk met B en ligt na de tweede achter. De kandidaten en de gemiddelde lengte van vier tokens blijven gelijk.

Welke documenten tellen mee per shard?

In dit voorbeeld met 18 documenten keren twee uitwisselingen van andere documenten tussen shards de volgorde van A en B om wanneer elke shard zijn eigen statistieken gebruikt. Eén berekening over de hele, ongewijzigde collectie geeft B in elke geteste indeling de hoogste score. De Elasticsearch-zoek-API beschrijft uit welke delen van de index de statistieken over zoektermen kunnen komen. De scores hier komen uit het Python-voorbeeld.

Welke documenten halen de tweede rangschikking?

In een ander voorbeeld met 18 documenten levert het scoren van alle in aanmerking komende kandidaten de volgorde B, C, A op. De tweede rangschikking gebruikt dezelfde scores uit de hele collectie. De eerste selectie bepaalt welke kandidaten die stap halen.

Eerste selectie en resultaten van de tweede rangschikking
Eerste selectieOorspronkelijke eindvolgordeEindvolgorde na twee uitwisselingen van achtergronddocumenten
Lokale BM25, één per shardC, AB, C
Lokale BM25, maximaal twee per shardB, C, AB, C, A
BM25 over de hele collectie, één per shardB, CB, C