Para agentes de IA: hay un índice de documentación disponible en https://www.mongodb.com/es/docs/llms.txt — versiones en markdown de todas las páginas están disponibles agregando .md a cualquier ruta URL.
Docs Menu
Docs Home
/ /
Mejorar la precisión
Docs Home
/
Desarrollo
/
Buscar
/
Mejorar la precisión
Docs Home
/
Desarrollo
/
Buscar
/
Mejorar la precisión

Personalizar la puntuación de los documentos en los resultados

Puede personalizar la puntuación de los documentos en los resultados. Al ajustar cómo se calculan las puntuaciones, puede asegurarse de que los documentos más pertinentes se clasifiquen más alto en los resultados de la búsqueda. Para aprender más sobre las diferentes formas en que puede personalizar la puntuación, consulte Puntuar los documento en los resultados. Esta página demuestra cómo:

  • Modifique la puntuación de los documentos en los resultados para impulsar o enterrar los resultados.

  • Normalice la puntuación de query $search en el rango de 0 a 1 en las etapas posteriores de su pipeline de agregación.

Modifique la puntuación de los documentos en los resultados

Una query de búsqueda de MongoDB Search asigna a cada documento devuelto una puntuación basada en su relevancia. Los documentos incluidos en un conjunto de resultados se devuelven en orden desde la puntuación más alta hasta la más baja. Para aprender más, consulte Puntuación del documento en los resultados.

Puede utilizar las siguientes opciones con todos los operadores para modificar el comportamiento por defecto de puntuación. Para detalles y ejemplos, haga clic en cualquiera de las siguientes opciones:

Esta sección muestra cómo agregar pesos a los campos de búsqueda para aumentar o reducir la puntuación de los documentos en los resultados o en una categoría de resultados. En concreto, muestra cómo asignar uno o más valores a un campo para devolver resultados con una puntuación mayor o menor.

Índice de Ejemplo

Puede configurar un índice con asignaciones dinámicas habilitadas para indexar todos los campos de la colección. Alternativamente, utilice asignaciones estáticas en los campos que desea consultar y ordene los resultados por. Para obtener más información sobre cómo crear índices de MongoDB Search, consulte Administrar índices de MongoDB Search.

Ejemplos de query

Las consultas de ejemplo muestran cómo aumentar o enterrar los documentos en los resultados. Utilizan el operador compuesto para combinar dos o más operadores en una sola query.

Mejorar los resultados

Utilice el operador compuesto para combinar dos o más operadores en una sola query. Utilice las opciones de puntuación para modificar la puntuación de relevancia que devuelve MongoDB Search.

Utilice los campos title y year en el namespace sample_mflix.movies para aumentar la puntuación de relevancia que MongoDB Search devuelve para los títulos de películas que contienen el término snow. Si configura el índice en la colección movies, podrá ejecutar las siguientes queries.

Enterrar los resultados

Utilice el operador compuesto para combinar dos o más operadores en una sola query. Utilice las opciones de puntuación para modificar la puntuación de relevancia que devuelve MongoDB Search.

Las siguientes queries de muestra utilizan los campos title, plot y genres en el namespace sample_mflix.movies para realizar las siguientes búsquedas:

  • Busque todas las películas que contengan la palabra ghost, pero reduzca la puntuación de las películas de comedia al 50%.

  • Busque todas las películas que contengan la palabra ghost, pero reduzca la puntuación de las películas con ObjectIds especificados en un 50%.

Normalizar la puntuación

Puedes normalizar tu puntuación de query $search en el rango de 0 a 1 en las etapas posteriores de tu pipeline de agregación. Puedes utilizar las siguientes etapas después de tu etapa $search en el siguiente orden para normalizar la puntuación:

  • $addFields

    {
      "$addFields": {
      "score": {
         "$meta": "searchScore"
      }
     }
    }

  • $setWindowFields

    {
      "$setWindowFields": {
        "output": {
          "maxScore": {
            "$max": "$score"
          }
        }
      }
    }

  • $addFields

    {
      "$addFields": {
        "normalizedScore": {
          "$divide": [
            "$score", "$maxScore"
          ]
        }
      }
    }
1db.movies.aggregate([{
2    "$search": {
3      "text": {
4        "query": "Helsinki",
5        "path": "plot"
6      }
7    }
8  },
9  {
10    "$limit": 5
11  },
12  {
13    "$project": {
14      "_id": 0,
15      "title": 1,
16      "score": 1,
17      "maxScore": 1,
18      "normalizedScore": 1
19    }
20  },
21  {
22    "$addFields": {
23      "score": {
24        "$meta": "searchScore"
25      }
26    }
27  },
28  {
29    "$setWindowFields": {
30      "output": {
31        "maxScore": {
32          "$max": "$score"
33        }
34      }
35    }
36  },
37  {
38    "$addFields": {
39      "normalizedScore": {
40        "$divide": [
41          "$score", "$maxScore"
42        ]
43      }
44    }
45}])
1[
2    {
3      title: 'Drifting Clouds',
4      score: 4.5660295486450195,
5      maxScore: 4.5660295486450195,
6      normalizedScore: 1
7    },
8    {
9      title: 'Sairaan kaunis maailma',
10      score: 4.041563034057617,
11      maxScore: 4.5660295486450195,
12      normalizedScore: 0.8851372929150143
13    },
14    {
15      title: 'Bad Luck Love',
16      score: 3.6251673698425293,
17      maxScore: 4.5660295486450195,
18      normalizedScore: 0.79394303764817
19    },
20    {
21      title: 'Bad Luck Love',
22      score: 3.6251673698425293,
23      maxScore: 4.5660295486450195,
24      normalizedScore: 0.79394303764817
25    },
26    {
27      title: 'Forbidden Fruit',
28      score: 3.6251673698425293,
29      maxScore: 4.5660295486450195,
30      normalizedScore: 0.79394303764817
31    }
32]
1db.movies.aggregate([{
2    "$search": {
3      "text": {
4        "path": "title",
5        "query": "men",
6        "score": {
7          "function":{
8            "multiply":[
9              {
10                "path": {
11                  "value": "imdb.rating",
12                  "undefined": 2
13                }
14              },
15              {
16                "score": "relevance"
17              }
18            ]
19          }
20        }
21      }
22    }
23  },
24  {
25    "$limit": 5
26  },
27  {
28    "$addFields": {
29      "score": {
30        "$meta": "searchScore"
31      }
32    }
33  },
34  {
35    "$setWindowFields": {
36      "output": {
37        "maxScore": {
38          "$max": "$score"
39        }
40      }
41    }
42  },
43  {
44    "$addFields": {
45      "normalizedScore": {
46        "$divide": [
47          "$score", "$maxScore"
48        ]
49      }
50    }
51  },
52  {
53    "$project": {
54      "_id": 0,
55      "title": 1,
56      "score": 1,
57      "maxScore": 1,
58      "normalizedScore": 1
59    }
60}])
1[
2    {
3      title: 'Men...',
4      score: 23.431293487548828,
5      maxScore: 23.431293487548828,
6      normalizedScore: 1
7    },
8    {
9      title: '12 Angry Men',
10      score: 22.080968856811523,
11      maxScore: 23.431293487548828,
12      normalizedScore: 0.9423708882544255
13    },
14    {
15      title: 'X-Men',
16      score: 21.34803581237793,
17      maxScore: 23.431293487548828,
18      normalizedScore: 0.911090795039637
19    },
20    {
21      title: 'X-Men',
22      score: 21.34803581237793,
23      maxScore: 23.431293487548828,
24      normalizedScore: 0.911090795039637
25    },
26    {
27      title: 'Matchstick Men',
28      score: 21.05954933166504,
29      maxScore: 23.431293487548828,
30      normalizedScore: 0.8987787781692841
31    }
32]
1db.movies.aggregate([{
2    "$search": {
3      "text": {
4        "path": "title",
5        "query": "shop",
6        "score": {
7          "function":{
8            "gauss": {
9              "path": {
10                "value": "imdb.rating",
11                "undefined": 4.6
12              },
13              "origin": 9.5,
14              "scale": 5,
15              "offset": 0,
16              "decay": 0.5
17            }
18          }
19        }
20      }
21    }
22  },
23  {
24    "$limit": 5
25  },
26  {
27    "$addFields": {
28      "score": {
29        "$meta": "searchScore"
30      }
31    }
32  },
33  {
34    "$setWindowFields": {
35      "output": {
36        "maxScore": {
37          "$max": "$score"
38        }
39      }
40    }
41  },
42  {
43    "$addFields": {
44      "normalizedScore": {
45        "$divide": [
46          "$score", "$maxScore"
47        ]
48      }
49    }
50  },
51  {
52    "$project": {
53      "_id": 0,
54      "title": 1,
55      "score": 1,
56      "maxScore": 1,
57      "normalizedScore": 1
58    }
59}])
1[
2    {
3      title: 'The Shop Around the Corner',
4      score: 0.9471074342727661,
5      maxScore: 0.9471074342727661,
6      normalizedScore: 1
7    },
8    {
9      title: 'Exit Through the Gift Shop',
10      score: 0.9471074342727661,
11      maxScore: 0.9471074342727661,
12      normalizedScore: 1
13    },
14    {
15      title: 'The Shop on Main Street',
16      score: 0.9395227432250977,
17      maxScore: 0.9471074342727661,
18      normalizedScore: 0.9919917310611205
19    },
20    {
21      title: 'Chop Shop',
22      score: 0.8849083781242371,
23      maxScore: 0.9471074342727661,
24      normalizedScore: 0.9343273488331464
25    },
26    {
27      title: 'Little Shop of Horrors',
28      score: 0.8290896415710449,
29      maxScore: 0.9471074342727661,
30      normalizedScore: 0.8753913353110349
31    }
32]
1db.movies.aggregate([{
2    "$search": {
3      "text": {
4        "path": "title",
5        "query": "men",
6        "score": {
7          "function":{
8            "path": {
9              "value": "imdb.rating",
10              "undefined": 4.6
11            }
12          }
13        }
14      }
15    }
16  },
17  {
18    "$limit": 5
19  },
20  {
21    "$addFields": {
22      "score": {
23        "$meta": "searchScore"
24      }
25    }
26  },
27  {
28    "$setWindowFields": {
29      "output": {
30        "maxScore": {
31          "$max": "$score"
32        }
33      }
34    }
35  },
36  {
37    "$addFields": {
38      "normalizedScore": {
39        "$divide": [
40          "$score", "$maxScore"
41        ]
42      }
43    }
44  },
45  {
46    "$project": {
47      "_id": 0,
48      "title": 1,
49      "score": 1,
50      "maxScore": 1,
51      "normalizedScore": 1
52    }
53}])
1[
2    {
3      title: '12 Angry Men',
4      score: 8.899999618530273,
5      maxScore: 8.899999618530273,
6      normalizedScore: 1
7    },
8    {
9      title: 'The Men Who Built America',
10      score: 8.600000381469727,
11      maxScore: 8.899999618530273,
12      normalizedScore: 0.9662922191102197
13    },
14    {
15      title: 'No Country for Old Men',
16      score: 8.100000381469727,
17      maxScore: 8.899999618530273,
18      normalizedScore: 0.9101124414213563
19    },
20    {
21      title: 'X-Men: Days of Future Past',
22      score: 8.100000381469727,
23      maxScore: 8.899999618530273,
24      normalizedScore: 0.9101124414213563
25    },
26    {
27      title: 'The Best of Men',
28      score: 8.100000381469727,
29      maxScore: 8.899999618530273,
30      normalizedScore: 0.9101124414213563
31    }
32]
1db.movies.aggregate([{
2    "$search": {
3        "text": {
4          "path": "title",
5          "query": "men",
6          "score": {
7            "function": {
8              "log": {
9                "path": {
10                "value": "imdb.rating",
11                "undefined": 10
12                }
13              }
14            }
15          }
16        }
17      }
18    },
19    {
20      "$limit": 5
21    },
22    {
23      "$addFields": {
24        "score": {
25          "$meta": "searchScore"
26        }
27      }
28    },
29    {
30      "$setWindowFields": {
31        "output": {
32          "maxScore": {
33            "$max": "$score"
34          }
35        }
36      }
37    },
38    {
39      "$addFields": {
40        "normalizedScore": {
41          "$divide": [
42              "$score", "$maxScore"
43        ]
44        }
45      }
46    },
47    {
48      "$project": {
49        "_id": 0,
50        "title": 1,
51        "score": 1,
52        "maxScore": 1,
53        "normalizedScore": 1
54      }
55    }
56])
1[
2    {
3        title: '12 Angry Men',
4        score: 0.9493899941444397,
5        maxScore: 0.9493899941444397,
6        normalizedScore: 1
7    },
8    {
9        title: 'The Men Who Built America',
10        score: 0.9344984292984009,
11        maxScore: 0.9493899941444397,
12        normalizedScore: 0.9843145968064908
13    },
14    {
15        title: 'No Country for Old Men',
16        score: 0.9084849953651428,
17        maxScore: 0.9493899941444397,
18        normalizedScore: 0.9569144408182233
19    },
20    {
21        title: 'X-Men: Days of Future Past',
22        score: 0.9084849953651428,
23        maxScore: 0.9493899941444397,
24        normalizedScore: 0.9569144408182233
25    },
26    {
27        title: 'The Best of Men',
28        score: 0.9084849953651428,
29        maxScore: 0.9493899941444397,
30        normalizedScore: 0.9569144408182233
31    }
32]

Los resultados de la búsqueda en MongoDB Search incluyen las siguientes puntuaciones:

  • The modified score for the $search query in the score field from the $addFields stage.

  • The maximum score assigned to the documents in the results in the maxScore field from the $setWindowFields stage.

  • The normalized score in the normalizedScore field from the $addFields stage. MongoDB computes this score by dividing the modified score in $score by the maximum score in $maxScore using $divide.

Continuar Aprendiendo

To learn more about compound queries using MongoDB Search, take Unit 9 of the Intro To MongoDB Course on MongoDB University. The 1.5-hour unit includes an overview of MongoDB Search. The unit also covers creating MongoDB Search indexes, running $search queries using compound operators, and grouping results using facet (MongoDB Search Operator).

Volver
Mejorar la precisión
Next
Búsqueda híbrida
Califique esta página

En esta página