MarkLogic中的Score和Relevance (一)

MarkLogic中的Score和Relevance

Relevance是衡量search结果与search term间相关的一个重要指标。

Score和relevance可以决定你的search结果集出现的sort顺序。毫无义务的，score越高，出现越靠前。

Marklogic产品针对score/relevance的计算大多都是基于index/fragment的。我们知道fragement与Index之间是有相互reference关系的，而且fragment中有一个重要的对象metadata，它维护着与index以及其他fragment之间的关系（如：一个document批成多个fragments，它们如何merger成一个document，这需要维护相互关系）。说回来，marklogic对relevance的支持涵盖的还是比较广泛的，主要有如下几个方面会影响到relevance的计算：

1：文档uploading

文档在uploading过程中，你可以设定相应的weight权重。例如：对于不同的文档归档档案夹（uri/collection）我们可以设置不同的权重。这样在search结果集中，来自不同文档档案夹的search结果它们的参与relavance计算的weight就不同，因而可以实现让你认为重要的文档类型排列在search结果集之前列。

例如：对于一个法律文书咨询查询平台，我们有三类文档。一是法律文书。二是相关该法律的案例文档。三是法律评论文章。在这个case中，用户最为关心的就是法律条文，其次是基于该法律条款发生的案件，最后是评论文章。因此我们可以规划相应的目录结构给他们各自，而且在uploading相关document时，设置不同的权重。这样当用户搜索“刑法101条”的时候可以保证，法律文书，案例，评论的排列次序。

2：数据库设置

Term Frequency Normalization

Marklogic 数据库提供TF normalization的设置，其中有6个不同的级别。它们的设置将会使用相应的marklogic对relevance的计算机制.

如你所看，有6个不同级别的对log的使用设置。我们知道marklogic的relevence计算算法是基于termfrequence的，正如下面将要介绍的logTF*logIDF或者logTF.他们都是依据TF的不同的是是否考虑document frequency。6个级别中的默认级别是scaled-log表示documentsize将被考虑到relevence计算之中，匹配的文档包含search term的“密度”越大那么他的score就会越高。而unscaled-log则完全不考虑documentsize的问题，而只考虑出现的蘋度。

如：一个search term为marklogic，在两个文档中均有出线，第一个文档中出现了100次，第二个文档中出现了200次。不同的是第一个文档的size是1000个字，第二个是10000个字。显然第一个文档出现的marklogic“密度”高。在scaled-log下：第一个文档score高。而在unscaled-log下：第二个score高，排在前列。

（需要做reindex）