我正面临使用solr的排名问题而且我被困了。
鉴于电子商务网站，对于查询“ipad”，我获得：
这是一个问题，因为我们想要排名第一的主要产品（或产品本身）和tf / idf排名第一的配件由于描述像“ipad案例兼容ipad，ipad2，ipad3，ipad视网膜，ipad迷你等“。
此外，使用类别我们无法确定是附件还是产品。
我想知道使用自动分类是否有帮助。另一个改进此排名的解决方案（如Named Entity Recognition）将不胜感激。
答案 0 :(得分：7)
你能提供标记数据吗？
如果您拥有＆gt; 50k项目，Naive Bayes的产品名称训练有一个二元语言模型将几乎捕获所有配件，准确率达到99％。我想你可以用Mahout训练这样一个天真的贝叶，但是产品名称的二元体积非常有限，所以现在即使在智能手机上也可以轻松快速地训练它。
这是典型的机械土耳其人任务，标记一些物品不应该那么昂贵。但是如果你坚持使用一些半监督算法，我发现Iterative similarity aggregation非常有用。
主要思想是你提供一些像“case”/“power adapter”这样的令牌，它会迭代地找到新的令牌，这些令牌是垃圾邮件的指示器，因为它们出现在同一个环境中。
Here是论文，但我也写了一篇blogpost，用简单的语言总结了这个意图。本文还提到肖恩提出的“让用户找到正确的项目”范例，因此两者都可以结合使用。
哦，如果您需要与Lucene＆amp; SOLR进行机器学习的建议，我可以向您推荐今年ApacheCon Europe的朋友Tommaso Teofili。你可以find the slides on slideshare。还有一个关于那里谈话的youtube视频，只是搜索它;）
答案 1 :(得分：1)
TF / IDF将根据您找到的查询中的单词与标题中的单词进行排名。听起来这不是“好结果”的正确定义，而是你想要的产品而不是配件。
当然，您可以简单地附加启发式来修补问题。例如，将标题视为一组单词，而不是多重集，因此“iPad”的外观几次没有区别。或者只是提高您知道的产品得分。这不是学习本身，而是简单，直接反映您的业务知识，并可能产生一些积极的影响。
如果您想在这里学习，您可能需要使用关于最佳结果的最佳知识来源：您的用户。您知道他们在响应每个查询时单击了什么。您可以学习将搜索项与所点击的项相关联的术语项模型。您可以查看多种类型的问题 - 实际上潜在因素推荐模型可以在那里很好地工作。
看看Ted关于如何将推荐人用作“搜索引擎”的幻灯片：http://www.slideshare.net/tdunning/search-as-recommendation