Sortering efter tekstscore med $meta

Når en $text-forespørgsel køres, beregner MongoDB en relevansscore for hvert matchende dokument, som kaldes textScore. Scoren afspejler, hvor godt dokumentet matcher søgeordene: flere forekomster af søgeordene, match i felter med højere vægt og match af sjældnere tokens øger alle scoren. Som standard sorteres resultaterne ikke efter score; du skal udtrykkeligt anmode om sorteringen.

Hvis du vil inkludere relevansscoren i dine resultater, skal du tilføje et projektionsfelt med { $meta: 'textScore' }. Du kan kalde feltet hvad som helst (konventionelt score). Udtrykket $meta læser metadata, der beregnes under udførelsen af forespørgslen – textScore er den eneste metadataværdi, der aktuelt understøttes i denne sammenhæng.

Hvis du vil sortere resultater efter relevans, skal du sende { score: { $meta: 'textScore' } } til .sort(). MongoDB sorterer som standard i faldende rækkefølge for textScore (højeste relevans først). Du skal projicere scorefeltet i den samme forespørgsel, når du sorterer efter det – hvis du udelader projektionen, sorterer MongoDB stadig korrekt, men returnerer ikke scoreværdien til klienten.

MongoDB's textScore er baseret på en variant af logikken bag TF-IDF (Term Frequency – Inverse Document Frequency). Termfrekvens: Et dokument, hvor søgeordet forekommer 10 gange, får en højere score end et dokument, hvor det forekommer én gang. Feltvægte: Match i et felt med vægten 10 får en 10 gange højere score end match i et felt med vægten 1. Indekstæthed: Sjældnere ord, der forekommer i færre dokumenter, bidrager mere til scoren end meget almindelige ord.

I aggregeringspipelines skal du bruge { $meta: 'textScore' } i et $addFields- eller $project-trin for at knytte scoren til dokumentet og derefter føre resultatet videre til $sort. Husk: $match-trinnet med $text skal komme først i pipelinen, så MongoDB kan beregne scoren, før andre trin transformerer dokumentstrømmen.

Du kan kombinere sortering efter textScore med andre sorteringsnøgler. Du kan for eksempel først sortere efter relevans og derefter efter dato som afgørelse ved lige resultater. MongoDB behandler sorteringsnøgler fra venstre mod højre, så placér textScore først for at prioritere relevans. De ekstra sorteringsnøgler bestemmer kun rækkefølgen mellem dokumenter med samme textScore-værdi.

Hvis du kun vil returnere meget relevante dokumenter, kan du filtrere efter en minimumsværdi for textScore ved hjælp af udtrykket $meta i et $match-trin (i en aggregering) efter tekstmatchet. Det er ikke muligt med et direkte find()-filter; du skal bruge aggregeringspipelinen til først at beregne scoren og derefter filtrere efter den.

textScore-værdierne er relative inden for et forespørgselsresultat og ikke absolutte eller sammenlignelige på tværs af forskellige forespørgsler eller forskellige tilstande for samlingen. En score på 2.5 i dag kan blive til 3.1 i morgen, hvis du tilføjer flere dokumenter til samlingen (hvilket ændrer beregningerne af termfrekvensen). Brug textScore til sortering inden for et resultat, ikke som et gemt kvalitetsmål.

Standardbaseret sideinddeling med skip()/limit() fungerer med tekstsøgning, men har det sædvanlige performanceproblem ved dybe forskydninger. Da resultaterne er rangeret efter relevans og ikke sorteret efter et stabilt felt, er keyset-sideinddeling ikke ligetil for tekstresultater. En almindelig tilgang er at bruge forskydningsbaseret sideinddeling på de første par sider (hvor de fleste brugere stopper) og overveje Atlas Search for dybere og mere ensartet sideinddeling i stor skala.

Når du bruger Mongoose, får du adgang til textScore via indstillingen { meta: 'textScore' } på en skemasti eller ved at bruge .select() sammen med metaprojektionen score. Mongoose omslutter MongoDB-driverens API, så det underliggende koncept er det samme – du skal blot kende Mongoose-syntaksen til projektion og sortering efter metadata.

Indbyggede tekstindekser fungerer godt til enkle anvendelser, men mangler funktioner som automatisk udfyldelse, facetteret søgning, synonymer og brugerdefinerede rangeringsfunktioner. Når du har brug for disse funktioner, tilbyder MongoDB Atlas Search (bygget på Apache Lucene) en langt mere avanceret motor til relevansscoring med BM25-scoring, boosting og forklaringsoutput til justering af relevansen.

I denne lektion har du lært, at textScore er en relevansscore pr. dokument, som beregnes under $text-forespørgsler, at { $meta: 'textScore' } projicerer og sorterer efter denne score, og at feltvægte og termfrekvens bestemmer scorestørrelsen. Dernæst gennemgår vi begrænsningerne ved tekstindekser og hvornår Atlas Search er det bedre valg.