Classement de recherche et la pertinence des algorithmes
Lors de l'élaboration d'une base de données des articles dans une Base de Connaissances (par exemple) - quels sont les meilleurs moyens pour trier et afficher les réponses les plus pertinentes pour un utilisateur' question?
Utilisez-vous d'autres données, telles que les mots clés de pondération en fonction si les utilisateurs précédents trouvé l'article de l'aide, ou trouvez-vous un simple mot-clé correspondant à l'algorithme d'être suffisant?
Vous devez vous connecter pour publier un commentaire.
Peut-être la plus simple et la plus naïve qui va donner immédiatement utile résultats seraient à mettre en œuvre *tf-idf:
Dans un récent liés à la question de la mienne, j'ai appris de un gratuit excellent livre sur ce sujet que vous pouvez télécharger ou lire en ligne:
C'est une question difficile, et les entreprises comme Google sont en train de pousser beaucoup d'efforts pour répondre à cette question. Jetez un oeil à Entreprise De Google Search Appliance ou Exalead A La Recherche D'Entreprise.
Puis, comme un avis personnel, je ne pense pas qu'un "naïf" approche d'améliorer le résultat par rapport à la naïve recherche par mot-clé et la commande par le nombre de points de vue sur les documents.
Si vous avez la possibilité d'exposer votre base de connaissances sur le web, alors, fais-le, et laissez votre moteur de recherche préféré poignées de la recherche pour vous.
Un peu plus de la spécificité de votre problème exact serait bon. Il ya beaucoup de différentes techniques que vous pouvez utiliser. Beaucoup de ces derniers sont pilotés par d'autres éléments de données. Vous pouvez bien sûr utiliser Lucene et de construire votre propre index. Il y a des bindings pour de nombreux langages de lucene. Le déplacement jusqu'à il y a également la Solr projet Lucene avec beaucoup d'outils et de fonctionnalités supplémentaires autour d'elle. Qui peut être plus le long des lignes de ce que vous cherchez.
Intention est délicate et la plus moderne des moteurs de recherche s'appuient sur les statistiques de l'intention à l'aide de la commande de résultats. Vous pouvez toujours avoir une est cet article utile bouton et de stocker le texte de la requête qui conduit à des documents utiles. Vous pouvez alors ajouter une couche d'information à l'index pour stimuler des mots ou des phrases et de les aider à point à certains documents.
Quelques choses à penser...Combien de documents? Quelle est la durée moyenne? Sont-ils souvent mis à jour? Ce que ne font les utilisateurs avec les documents? Quelle est la propagation de mots uniques pour les documents? (Plus simplement est-il facile de faire correspondre une requête avec un document spécifique(s) basées sur des caractéristiques uniques.)
Si il est sur le web, vous pouvez toujours faire un google moteur de recherche personnalisé qui vient de recherche de votre site même si vous pouvez trouver cette sous-optimales pour une variété de raisons.
Vous pouvez toujours commencer avec un indice simple et peu à peu le plus sophistiqué de par la de parler avec les usagers et de la capture de données.
Je pense que l'angle ici n'est pas de la récupération de lui-même... son sur la notation de la pertinence de l'information recherchée (plus réactif et approche passive) qui peut ensuite être utilisée pour améliorer le moteur de recherche.
Je suppose que vous pouvez essayer -
knn sur tfidf pour la récupération des informations
Main de marquage de ces informations à récupérer un relevency score
Juste une pensée...
Le troisième point est en fait basé sur l'algorithme de Rocchio. Vous pouvez le voir, il ici
de correspondance des mots n'est pas suffisant lorsqu'ils traitent de questions, vous avez besoin de comprendre l'intention, comme joannes-dire un sujet très chaud dans la recherche