解释的连接在这里:
我的问题是,Query Walkthrough 中第二步和第三部无法理解:既然已经从 inverted index 里面取到了id,为什么还要再filter (bloomfilter快速筛选,forward index去除false positive)一下呢?为什么不直接对所有id评分排序求结果就完了呢?
1
berzjackson 2015-01-31 22:09:05 +08:00 1
第一步inverted index确保prefix在document里头
第二步利用bloom filter概率上确保query在document里头,小概率存在false positive 第三步forward index去除第二部的false positive 另外,在Linkedin的他们这个场景里,score主要是基于popularity或者People You May Know的,和query relavence没有关系。按我的理解,这个设计的前三个步骤一方面是彻底解决query匹配,另一方面是过滤掉大量结果,只留少量document进入最后的评分排序逻辑,这样如果评分算法很复杂,例如引入了机器学习之类的东西,性能不会成为瓶颈 |
2
puncsky OP @berzjackson 感激,原来主要原因是有 prefix 不一定有 term,要“确保 query 在 document 里头”
|