相关性搜索：利用Solr与Elasticsearch创建智能应用3

三、调试我们的第一个相关性问题

使用Elasticsearch

TMDB数据集在https://github.com/o19s/relevant-search-book中tmdb.json

python实现函数

reindex函数，重建Elasticsearch索引，并放入其中。

Query DSL领域特定查询语言

TF-IDF

四、驾驭token

文本分析所生成的token不仅代表查询的特征，也代表文档的特征

带着意图和语义来进行分析，会极大地提升搜索的相关性。

五、多字段搜索基础

排名函数

对于多个字段的评价--即多个信号---需要被合并成一个总的相关性评价才行，这样才能平衡所有对用户或业务而言的重要因素。这就是排名函数的目标。

源数据

六、以词为中心的搜索

七、调整相关性函数

构造排名函数

八、提供相关性反馈

引导用户搜索

九、设计以相关性为核心的搜索应用

十一、语义和个性化搜索

引入推荐的概念。

主要的不同之处在于，这里并不是只从文档中提取信息，我们还会将用户本身看作一种新的信息来源。