相关性搜索：利用Solr与Elasticsearch创建智能应用 PDF 原书影印版

这书解开了关联性检索的神密面具，告知大伙儿如何把Elasticsearch或Solr那样的百度搜索引擎做为程序控制器的关联性架构，进而表述业务流程排行标准。从这这书中你可以学好怎样融合各种各样外界数据库、归类方式及其文本分析方式对关联性开展程序编写，以满足客户需求的人性化要求，将比较满意的百度搜索展现给客户。除此之外，关联性检索也必须一定的柔性专业技能。这书还将告知阅读者如何与营销人员合作，为业务流程寻找恰当的关联性要求，进而在检索商品的全部产品研发生命期内，保持关联性改善的量变到质变。这书详细介绍了百度搜索引擎的基本概念，及关联性检索的调节技术性，用很多案例的方法详细描述了百度搜索引擎的众多特点，以产生一整套对于关联性检索的专业化方式，并提倡着眼于提升检索品质的公司文化。

目录

• 第1章　搜索的相关性问题. ...1
• 1.1　我们的目标：掌握相关性技术研发的技能 .....................2
• 1.2　为什么搜索的相关性如此之难 .......3
• 1.2.1　什么是具备“相关性”的搜索结果 .....................4
• 1.2.2　搜索：没有银弹 ...................6
• 1.3　来自相关性研究的启示 ...................7
• 1.3.1　信息检索 ...............................7
• 1.3.2　能否利用信息检索解决相关性问题 .....................9
• 1.4　如何解决相关性 ............................. 11
• 1.5　不只是技术：管理、协作与反馈 .13
• 1.6　本章小结 .......16
• 第２章　搜索—幕后揭秘17
• 2.1　搜索101 .........18
• 2.1.1　什么是搜索文档 .................19
• 2.1.2　对内容进行搜索 .................19
• 2.1.3　通过搜索来探索内容 .........21
• 2.1.4　获取进入搜索引擎的内容 .21
• 2.2　搜索引擎的数据结构 .....................23
• 2.2.1　倒排索引 .............................23
• 2.2.2　倒排索引的其他内容 .........25
• 2.3　对内容进行索引：提取、充实、分析和索引 ...............26
• 2.3.1　将内容提取为文档 .............28
• 2.3.2　充实文档以清理、强化与合并数据 ...................28
• 2.3.3　执行分析 .............................29
• 2.3.4　索引 ...33
• 2.4　文档的搜索和获取 .........................34
• 2.4.1　布尔搜索： AND/OR/NOT 34
• 2.4.2　基于 Lucene搜索的布尔查询（MUST/MUST_NOT/SHOULD） ......36
• 2.4.3　位置和短语匹配 .................37
• 2.4.4　助力用户浏览：过滤、切面和聚合 ...................38
• 2.4.5　排序、结果排名，以及相关性 ...........................39
• 2.5　本章小结 .......42
• 第3章　调试我们的第一个相关性问题. .................43
• 3.1　Solr和Elasticsearch的应用：基于Elasticsearch的例子 ..44
• 3.2　最了不起的数据集：TMDB .........45
• 3.3　用Python语言编写的例子 ..............46
• 3.4　第一个搜索应用 .............................46
• 3.4.1　针对 TMDB Elasticsearch索引的第一次搜索 ...49
• 3.5　调试查询匹配 .................................52
• 3.5.1　检查底层查询策略 .............53
• 3.5.2　剖析查询解析 .....................54
• 3.5.3　调试分析，解决匹配问题 .55
• 3.5.4　比较查询条件和倒排索引 .58
• 3.5.5　通过修改分析器来修正我们的匹配 ...................59
• 3.6　调试排名 .......62
• 3.6.1　利用 Lucene的解释功能来剖析相关性评价 .....63
• 3.6.2　向量空间模型、相关性解释信息和我们 ...........68
• 3.6.3　向量空间模型在实践中的注意事项 ...................71
• 3.6.4　通过对匹配的评价来度量相关性 .......................72
• 3.6.5　用 TF×IDF计算权重 ........74
• 3.6.6　谎言、该死的谎言和相似度 ...............................75
• 3.6.7　决定搜索词重要性的因素 .77
• 3.6.8　解决 Space Jam和 alien的排名问题 ..................78
• 3.7　问题解决了？工作永远做不完！ .80
• 3.8　本章小结 .......81
• 第4章　驾驭token. ..............83
• 4.1　将token作为文档特征 ....................84
• 4.1.1　匹配的流程 .........................85
• 4.1.2　token，不只是单词 ............85
• 4.2　控制查准率和查全率 .....................86
• 4.2.1　查准率和查全率的例子 .....86
• 4.2.2　查准率或查全率的分析 .....89
• 4.2.3　一味提高查全率 .................93
• 4.3　查准率和查全率—让鱼和熊掌兼得 ...........................95
• 4.3.1　评价单一字段中特征的强度 ...............................95
• 4.3.2　超越 TF × IDF的评价：多搜索词与多字段 ....99
• 4.4　分析策略 .....100
• 4.4.1　处理分隔符 .......................100
• 4.4.2　捕获同义词的语义 ...........103
• 4.4.3　在搜索中为专指性建模 ...107
• 4.4.4　利用同义词为专指性建模 .................................107
• 4.4.5　利用路径为专指性建模 ... 110
• 4.4.6　对整个世界分词 ............... 112
• 4.4.7　对整数分词 ....................... 112
• 4.4.8　对地理数据分词 ............... 113
• 4.4.9　对歌曲分词 ....................... 115
• 4.5　本章小结 ..... 118
• 第5章　多字段搜索基础...119
• 5.1　信号及信号建模 ...........................121
• 5.1.1　什么是信号 .......................121
• 5.1.2　从源数据模型开始 ...........122
• 5.1.3　实现信号 ...........................125
• 5.1.4　信号建模：为数据的相关性建模 .....................126
• 5.2　TMDB—搜索，人类最后的边疆 .............................127
• 5.2.1　违反基本法则 ...................129
• 5.2.2　让嵌套文档扁平化 ...........129
• 5.3　在以字段为中心的搜索中给信号建模 .........................132
• 5.3.1　从 best_.elds开始 ............136
• 5.3.2　控制搜索结果中的字段偏好 .............................139
• 5.3.3　可以使用信号更精准的 best_.elds吗 ..............141
• 5.3.4　让失败者分享荣耀：为 best_.elds校准 ..........144
• 5.3.5　利用 most_.elds统计多个信号 ........................147
• 5.3.6　在 most_.elds中缩放信号 ................................149
• 5.3.7　什么时候其他匹配才无关紧要 .........................151
• 5.3.8　有关 most_.elds的结论是什么 ........................152
• 5.4　本章小结 .....153
• 第6章　以词为中心的搜索. .................................154
• 6.1　什么是以词为中心的搜索 ...........155
• 6.2　我们为什么需要以词为中心的搜索 .............................157
• 6.2.1　猎寻“白化象” .................157
• 6.2.2　在“星际迷航”的例子中寻找白化象问题 .....160
• 6.2.3　避免信号冲突 ...................162
• 6.2.4　理解信号冲突的机理 .......163
• 6.3　完成第一个以词为中心的搜索 ...165
• 6.3.1　使用以词为中心的排名函数 .............................166
• 6.3.2　运行以词为中心的查询解析器（深入底层） ...169
• 6.3.3　理解字段同步 ...................170
• 6.3.4　字段同步和信号建模 .......171
• 6.3.5　查询解析器和信号冲突 ...172
• 6.3.6　对以词为中心的搜索进行调优 .........................174
• 6.4　在以词为中心的搜索中解决信号冲突 .........................176
• 6.4.1　将字段合并成自定义全字段 .............................177
• 6.4.2　利用 cross_.elds解决信号冲突........................181
• 6.5　结合以字段为中心和以词为中心的策略：鱼与熊掌兼得 ...........................183
• 6.5.1　将“相似字段”分到一组 .................................183
• 6.5.2　理解相似字段的局限 .......185
• 6.5.3　将贪婪的简单搜索和保守的放大器结合起来 .186
• 6.5.4　以词为中心与以字段为中心，查准率与查全率 ...............................189
• 6.5.5　考虑过滤、放大，以及重新排名 .....................190
• 6.6　本章小结 .....190
• 第7章　调整相关性函数...192
• 7.1　何谓评价调整 ...............................193
• 7.2　放大：通过突出结果来实现调整 .................................195
• 7.2.1　放大：最后的边疆 ...........195
• 7.2.2　放大时—选择加法运算还是乘法运算，布尔查询还是函数查询？ .................................197
• 7.2.3　选择第一扇门：利用布尔查询进行加法放大 .199
• 7.2.4　选择第二扇门：利用数学运算进行排名的函数查询 .......................202
• 7.2.5　函数查询实践：简单的乘法放大 .....................204
• 7.2.6　放大处理的基础：信号，处处是信号 .............206
• 7.3　过滤：通过排除的方法对结果进行调整 .....................206
• 7.4　满足业务需求的评价调整策略 ...208
• 7.4.1　搜索所有影片 ...................209
• 7.4.2　对放大信号进行建模 ....... 211
• 7.4.3　构造排名函数：增加具有较高价值的层级 .....215
• 7.4.4　利用函数查询对具有较高价值的层级进行评价 ...............................219
• 7.4.5　忽略 TF × IDF .................221
• 7.4.6　捕捉综合质量指标 ...........222
• 7.4.7　达成用户的时效性目标 ...224
• 7.4.8　结合函数查询 ...................227
• 7.4.9　把一切联系起来 ...............230
• 7.5　本章小结 .....230
• 第8章　提供相关性反馈...232
• 8.1　搜索框中的