• zj
    2019-07-23
    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
     4
     2
  • 木木夕Ace
    2019-07-24
    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
     1
     1
  • earthxuan
    2019-07-16
    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。

    
     1
  • oyhk
    2020-01-19
    这里的log 是以2为底吧?
    
    
  • 故事、自己写
    2019-12-22
    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。
     1
    
  • godtrue
    2019-09-20
    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
    
    
  • james
    2019-08-27
    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 ???
     2
    
  • 吴亮
    2019-08-16
    “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。

    
    
  • 有铭
    2019-08-08
    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

    
    
  • 黄文韬
    2019-07-31
    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

    
    
  • 卖罐头的小男孩
    2019-07-26
    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👍

     2
    
  • aderm
    2019-07-26
    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?
    
    
  • 超威丶
    2019-07-25
    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?
    展开

    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

     1
    
  • danvid
    2019-07-24
    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
    
    
  • WL
    2019-07-20
    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
        }
      }
    }
    展开

    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

    
    
  • WL
    2019-07-20
    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?
     1
    
  • dream
    2019-07-18
    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?
     1
    
  • 无笔秀才
    2019-07-18
    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
    }
    展开
    
    
  • Pasiyu
    2019-07-17
    老师,go和es的整合,也加一点吧
    
    
  • 原来只是梦
    2019-07-17
    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

     2
    
我们在线,来聊聊吧