课件地址

精选留言(21)

• 

  zj

  老师问下哈，经典的TF-IDF，TF是表示词数除以文档词数，这个TF最大才为1。为什么说TF无限增加时呢，再怎么大也就才1

  2019-07-23

   4

   2
• 

  木木夕Ace

  TF词频的定义好像错了，是不是应该是检索词出现的总次数除以文档的总词数？视频中是检索词出现的总次数除以文档的总字数。假设一个文章就1个词“Administrator”，如果按视频中的公式TF就是1/13了

  2019-07-24

  

   1
• 

  earthxuan

  老师，我觉得可以出一个查官方文档思路的教程，有很多细节查起来都非常慢

  作者回复: 细节需要自己看。整体不知道如何定位，可以看一下脑图和学习路径。
  
  在考试认证环节，我会讲一下文档的大题结构分布，现在我去讲这个，很多概念大家不知道，可能会听的比较晕，反而生成更加多的问题。

  2019-07-16

  

   1
• 

  故事、自己写

  老师请问下汉字模糊查询类似like该怎么用？用了match，query_string等，一个汉字正常，多个汉字就查不出来了。

  2019-12-22

  

  
• 

  godtrue

  查询算分，分越高越好，这个算分比较复杂，粗略理解就是：log(全部文档数/分词所在文档数)，分词文档数越少文档越重要

  2019-09-20

  

  
• 

  james

  老师 TF 定义还是不太清楚, 比如一个doc, {"title": "alibaba nb", "content": "why alibaba nb? because ma"}, title 有 2 个 term, content 有5 个
  在搜索(title: alibaba } 的时候, TF 是 1 / 2 还是 1 / 7 ???

  2019-08-27

   2

  
• 

  吴亮

  “的”这个词，在tf*idf中本身就会得分很低，根本就不需要通过停用词去掉。
  

  作者回复: 文档足够多，的的idf应该不会特别高。致于是否加入停用词，作为es得使用者，需要自己做权衡。没有完全的对错之分。

  2019-08-16

  

  
• 

  有铭

  老师，这个相关性算分，会随着我扫描的文档的范围而改变吗？我最近遇到一个奇怪的现象，我有一个建好的index库，我用不同的时间范围来过滤的时候，得到的搜索结果有极大的不同，比如说，我搜索2019-07-01 到2019-07-10这个时间范围，给定特定的term，搜索特定字段content(分词器都是预先设定的)，并按时间反向排序，此时2019-07-10里的结果集，定义为A，此时，我缩短时间范围，改为2019-07-05 到2019-07-10这个时间范围，此时2019-07-10里的结果集，定义为B。从理论上讲，A和B的结果集应该是完全相同的，但是我实际得到的结果差异很大，有的时候，是A和B的结果集完全不同，A有的B没有，有的时候，是A的结果集和B结果集里排序不同。我完全无法理解这是怎么发生的

  作者回复: 算分是在filter后结果中进行的，你修改了条件，那就会在不同的文档中进行计算

  2019-08-08

  

  
• 

  黄文韬

  老师，我想问一下，是不是所有的查询默认都是会算分的？只有constant_score就不会算分？？感谢，比较困惑

  作者回复: filter content的都不算分，例如 bool查询中的filter和must_not子句

  2019-07-31

  

  
• 

  卖罐头的小男孩

  我每次看老师视频先看评论，就是看完评论，在评论里也get到了好多技能，然后在看视频。效果非常好。向顶级码农致敬，感谢老师

  作者回复: 谢谢评论区里很多同学的分享，也为你分享的学习方法点👍

  2019-07-26

   1

  
• 

  aderm

  问下老师，在上面的搜索elasticsearch示例中，通过执行发现文档2和1 explain显示tf的结果不一样（dl, length of field值结果不一样导致），并没有提到norm（t,d），那这个又该怎么理解呢？

  2019-07-26

  

  
• 

  超威丶

  老师，请问一个问题：
           如果搜索hello world
           第一条数据为：hello1
           第二条数据为：hello world 666
  
  这个时候数据展示是第一条还是第二条在最前面？会不会出现第一条数据在最前面，毕竟长度短？

  作者回复: 如果你搜索hello，应该是第一条。搜索hello world，应该第二条，因为会对每个搜索的term算分做相加

  2019-07-25

   1

  
• 

  danvid

  老师有相关文献推导bm25的吗，感觉信息检索导论的在定义BIM模型的时候感觉有点模糊，是不是得看英文版

  2019-07-24

  

  
• 

  WL

  请问一下老师demo中最后一个例子是什么意思,有点没太看懂在查询什么, 麻烦老师解释一下.
  POST tmdb/_search
  {
    "_source": ["title","overview"],
    "query":{
      "more_like_this":{
        "fields":[
          "title^10","overview"
          ],
          "like":[{"_id":"14191"}],
          "min_term_freq":1,
          "max_query_terms":12
      }
    }
  }

  作者回复: 这个应该是后面的一个某节课的例子，被我不小心写进去了。你可以暂时忽略，是关于term vector的

  2019-07-20

  

  
• 

  WL

  请问一下老师最后一个例子中的positive,negative,negative_boost各自的作用是啥, 为什么没有positive_boost呢?
  

  2019-07-20

   1

  
• 

  dream

  老师，那个 idf 算法中出现的log，是数学中的求对数吗？那么log的底是多少呢？

  2019-07-18

   1

  
• 

  无笔秀才

  感谢老师的回答，可能我对于抽取es dsl 查询语句中所用到的字段那个问题没有讲清楚。
  我现在已经把所有es查询的语句都写入到 另一个es的index中了。
  如下语句，我想得到 这条语句中 用到 Ext_id,News_title,A_title,Safe_level
  主要目的是想对每个index 观察常用的字段，以及不常用的字段。
  
  {
    "_source": [
      "Ext_id",
      "News_title"
    ],
    "query":{
          "bool":{
              "must":[
                  {
                      "query_string":{
                          "fields":["A_title","News_title"],
                          "query":"\"安踏\" OR (\"安踏\" AND \"做空\")"
                      }
                  }
              ]
          }
      },
      "aggs": {
        "test_agg": {
          "terms": {
            "field": "Safe_level",
            "size": 10
          }
        }
      },
      "size": 200
  }

  2019-07-18

  

  
• 

  Pasiyu

  老师，go和es的整合，也加一点吧

  2019-07-17

  

  
• 

  原来只是梦

  老师你好，视频中页面切换能否慢一点？经常是刚说了一个知识点，还没来得及看，就切到下一页了。包括demo也是

  作者回复: 好的，在后续的课程中，我注意一些

  2019-07-17

   2

  
• 

  无笔秀才

  老师请教一下，如何才能获得一个查询语句中 所用到的字段呢？包括source,filter,agg里的。我是想做一些对使用字段的监控。

  作者回复: option 1.你可以打开es的满查询，实现对满的query 实现监控
  
  option 2: 你可以在你的application中去把相应的语句打到log文件中，然后用filebeat导入es实现查询
  
  option 3: 你可以通过开发插件的方式实现
  public class SearchRequestActionFilter extends ActionFilter.Simple {
  
  我建议优先考虑 option 1 和 option 2
  
  
  3

  2019-07-16

   1

  