Xquery Marklogic搜索分数的控制有多严格？

我们的数据库包含包含大量元数据的文档，包括这些文档之间的关系。虚构的例子：

<document>
  <metadata>
    <document-number>ID 12345 : 2012</document-number>
    <publication-year>2012</publication-year>
    <cross-reference>ID 67890 : 1995</cross-reference>
    <cross-reference>ID 67890 : 1998</cross-reference>
    <cross-reference>ID 67891 : 2000</cross-reference>
    <cross-reference>ID 12345 : 2004</cross-reference>
    <supersedes>ID 12345 : 2004</supersedes>
    ...
  </metadata>
</document>
<document>
  <metadata>
    <document-number>ID 12345 : 2004</document-number>
    <publication-year>2004</publication-year>
    <cross-reference>ID 67890 : 1995</cross-reference>
    <cross-reference>ID 67890 : 1998</cross-reference>
    <cross-reference>ID 67891 : 2000</cross-reference>
    <cross-reference>ID 12345 : 2012</cross-reference>
    <cross-reference>ID 12345 : 2001</cross-reference>
    <superseded-by>ID 12345 : 2012</superseded-by>
    <supersedes>ID 12345 : 2001</supersedes>
    ...
  </metadata>
</document>

ID 12345:2012
2012
ID67890:1995
ID67890:1998
ID67891:2000
ID 12345:2004
ID 12345:2004
...
ID 12345:2004
2004
ID67890:1995
ID67890:1998
ID67891:2000
ID 12345:2012
ID12345:2001
ID 12345:2012
ID12345:2001
...

我们使用基于Marklogic搜索api的单框搜索，允许用户搜索这些文档。搜索语法描述了各种约束和搜索选项，但大多数情况下（默认情况下）它们通过定义为包含大多数元数据元素的字段进行搜索，并（在某种程度上）仔细选择权重（这里真正重要的是，

文档编号

的权重最高）

问题是，企业需要非常具体的结果排序，我想不出使用搜索api实现这一点的方法

造成问题的要求是，如果用户搜索与文档编号匹配（例如，他们搜索“12345”），则具有该文档编号的所有文档都应位于结果集的顶部，并按降序日期排序。让他们在结果集的顶端很容易<代码>文档编号的权重最高，因此按分数排序效果很好。问题是，按日期进行二次排序不起作用，因为即使所有

文档编号

匹配项的得分高于其他文档，但它们的得分并不相同，因此它们最终会按照搜索词在其余元数据中出现的频率排序；这一点都没有意义

我认为我们真正需要的是一种方法，只需通过匹配搜索词的最高加权元素来获得搜索api分数结果，而不参考文档中的任何其他匹配项。我看了一下评分算法，但没有看到这样的算法；我是否错过了什么，或者这是不可能的？显然，我们订购的不是

score

；如果有其他方法获得文档中单个最佳匹配的分数并将其用于排序，那就好了

有没有别的解决办法我都没想到

我曾想过做两次搜索（一次是在

文档编号

，另一次是在整个元数据树上），然后合并结果，但这似乎会给分页和性能带来很多麻烦。这就违背了使用搜索api的初衷

---

我应该补充一点，在结果集中有其他匹配项是正确的，因此我们不能只搜索

文档编号
我认为您已经达到了高级搜索API可以为您做的极限。不过，我有一些建议。这些不会是100%可靠的，但它们可能对业务来说已经足够好了。然后你就可以继续申请了。对不起，如果我听起来愤世嫉俗或不屑一顾，但我不相信微观管理搜索结果

最简单的方法是：重新排序内存中的第一页。第一个页面可能比您向用户显示的页面大一点。因为它的大小仍然有限，所以您可以在不受太大影响的情况下将规则变得相当复杂。这将解决您的“下降日期”问题。第1页的结果与第2页的结果不太匹配，但这可能已经足够好了

在复杂度的下一步，考虑使用文档质量来处理下行日期问题。除其他外，该方法也被使用。插入或更新每个文档时，使用从日期派生的数字设置文档质量。这可能是自1970年以来的几天、几周或几个月，或者使用其他固定日期。新的结果往往会浮到顶部。如果有任何其他的提升倾向于淹没基于日期的提升，你可能会接近你想要的
在分析查询以提取潜在的提升术语时，也可能有一些用处。如有必要，您可以对每个boosting术语开始递归运行
xdmp:exists（cts:search（doc（），$query））
，就像它是一个独立的查询一样。一旦找到
true（）
result，就立即退出：这意味着您将用一个荒谬的高权重提升该查询项，使其浮到顶部

一旦知道了提升项是什么，就重写整个查询，将所有其他项权重设置为更低的值，甚至可能是0。权重越低，那些非提升术语对基于日期的质量和提升权重的干扰就越小。如果没有助推项，您可能需要进行其他调整。顺便说一句，所有这些都比听起来便宜。除了
xdmp:exists
调用之外，它只是内存中的表达式求值

不过，这些都只是提高分数的伎俩。他们不会让你绝对控制你想要的排名。根据我的经验，微观管理分数的尝试注定要失败。我敢打赌，无论您的业务经理怎么说，您的用户使用原始TF/IDF都会更高兴。
我认为您已经达到了高级搜索API为您所能做到的极限。不过，我有一些建议。这些不会是100%可靠的，但它们可能对业务来说已经足够好了。然后你就可以继续申请了。对不起，如果我听起来愤世嫉俗或不屑一顾，但我不相信微观管理搜索结果

最简单的方法是：重新排序内存中的第一页。第一个页面可能比您向用户显示的页面大一点。因为它的大小仍然有限，所以您可以在不受太大影响的情况下将规则变得相当复杂。这将解决您的“下降日期”问题。第1页的结果与第2页的结果不太匹配，但这可能已经足够好了

<