简单解释不同的ElasticSearch相似度算法

Question

我正在研究不同的相似度算法，这些算法定义了在搜索过程中如何计算每个文档的得分。此处列出了可用的算法：http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/index-modules-similarity.html

我的问题是，在浏览维基百科文章或lucene API文档中的类描述时，我无法理解它们。我真的很喜欢这里解释TF / IDF相似度算法（ElasticSearch中的默认值）的答案：What is the reasoning behind the ranking of this ElasticSearch query?（所以这个我理解了一定数量）。

有人可以为其中列出的其他算法提供类似的简单解释吗？其中包括：

• bm25相似度
• drf相似度
• ib similar

提前谢谢。

Answer 1

你遇到的问题是链接答案中提出的描述，Lucene的默认相似性，bm25基本相同，因为它们都考虑在内：

• 首选文档中出现的次数
首选
• 语料库中较少的术语
• 较短的文件更重要
• 用于调整得分，提升等的其他功能

dfr实际上仅包含7种不同的基本模型，每种基本模型使用不同的评分算法，然后是两个高度可配置的标准化步骤。许多配置选项符合上面的一般步骤，有些偏离它。

类似地，ib也允许一些重要的配置，但通常会达到相同的高点，有利于更高的术语频率，有利于更罕见的术语匹配（通过某种描述），并调整文档长度，提升和其他可能的规范化。