Sphinx 斯芬克斯：了解大领域的邻近因子排名

该文件解释了斯芬克斯接近因子排名算法（见章节：短语接近因子）

如果在字段中多次找到关键字，邻近因子ranker会给出更高的字段权重吗？

例如，使用与链接文档的引用部分类似的逻辑。对于单个实例，匹配短语的权重为2：

1) query = one two three, field = one and two three
field_phrase_weight = 2 (because 2-keyword long "two three" subphrase matched)

如果同一个短语匹配两次呢？重量会加倍吗

2) query = one two three, field = one and two three one and two three
field_phrase_weight = 4? (because 2-keyword long "two three" subphrase matched twice?)

我怀疑上述问题的答案是否定的——无论是否多次找到关键字/关键字子序列，sphinx都将返回相同的字段权重。如果是这种情况，如果无论内容大小都返回相同的字段权重，那么如何在大型sphinx字段（如文章）中充分利用近似算法？特别是考虑到用于搜索的go to sphinx算法，是非常依赖“近似排序”的近似算法（对于多字段文档，至少60%的算法将加权到bm25以上的接近度排名

如果在字段中多次找到关键字，邻近因子ranker是否会给出更高的字段权重

否。相同的字段权重将适用

例如，使用与链接文档的引用部分类似的逻辑。对于单个实例，匹配短语的权重为2：

1） 查询=一二三，字段=一二三 字段\短语\权重=2（因为2个关键字长的“两三”子短语匹配）

如果同一短语匹配两次呢？权重会加倍吗

2) query = one two three, field = one and two three one and two three
field_phrase_weight = 4? (because 2-keyword long "two three" subphrase matched twice?)

2） 查询=一二三，字段=一二三一二三 字段\短语\权重=4？（因为2个关键字长的“两三”子短语匹配了两次？）

在本例中，权重在第二次查询中不会加倍

如果无论内容大小，都会返回相同的字段权重，那么如何对大型sphinx字段（如文章）充分利用近似算法

我所能理解的唯一方法是通过组合接近度，为多关键字短语赋予更高的权重，同时也为BM25在算法中赋予足够的权重，以增加提供“文档中更频繁出现的罕见关键字”因素的价值。BM25排序算法的BM25部分就是为此而设计的

这是近似值bm25表达式：

sum（lcs*用户权重）*1000+bm25

，此算法的bm25分量随着文档中作为

sum（lcs*用户权重）的狮身人面像字段越多，逐渐变得越不相关*1000

公式的一部分适用于每个单独的字段，而等式的

bm25

部分适用于整个文档

在我使用10个斯芬克斯字段的情况下，

bm25

仅占总重量的5%——我增加了公式中

bm25

部分的重量，以占总重量的20%左右，从而改变了公式：

总和（lcs*用户重量）*1000+bm25*4