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
/ /
score
Docs Home
/ /
opciones de búsqueda
/
score
Docs Home
/
Desarrollo
/
Buscar
/
Query e índices
/
Referencia de query
/
opciones de búsqueda
/
score

Regrese los detalles de la puntuación

Puedes utilizar la opción booleana scoreDetails en tu etapa $search para obtener un desglose detallado de la puntuación de cada documento en los resultados de la query.

Cuando estableces scoreDetails: true en tu fase de $search, MongoDB Search devuelve información detallada de puntuación para cada documento coincidente. Esta información explica por qué un documento corresponde a la query y recibió su puntuación de relevancia en los resultados de búsqueda.

Por defecto, la puntuación se basa en la bm25 fórmula:

  • Frecuencia del término: frecuencia con la que un término de búsqueda aparece en el documento

  • Frecuencia inversa de documentos: Qué tan común es el término de búsqueda en todos los documentos

  • Longitud del campo: es la longitud del campo que coincide con la query

La opción scoreDetails desglosa estos factores para ayudarle a analizar por qué un documento coincide con la query y recibió su puntuación.

Para ver los metadatos, debes utilizar la expresión $meta en la etapa $project.

Sintaxis

{
  "$search": {
    "<operator>": {
      <operator-specification>
    },
    "scoreDetails": true | false
  }
},
{
  "$project": {
    "scoreDetails": {"$meta": "searchScoreDetails"}
  }
}

opciones

En la etapa de búsqueda $search, la opción booleana scoreDetails toma uno de los siguientes valores:

  • true - para incluir detalles de la puntuación de los documentos en los resultados. Si se establece en true, MongoDB Search devuelve un desglose detallado de la puntuación de cada documento en el resultado. Esto proporciona información sobre por qué ciertos documentos coincidieron con una consulta de MongoDB Search. Para obtener más información, consulte Output.

  • false - excluir detalles del desglose de la puntuación de los resultados. (por defecto)

Si se omite, la opción scoreDetails es por defecto false.

En la etapa $project, el campo scoreDetails toma la expresión $meta, que requiere el siguiente valor:

searchScoreDetails

Devuelve un desglose detallado de la puntuación para cada documento en los resultados.

Salida

La opción scoreDetails devuelve los siguientes campos en el arreglo details dentro del objeto scoreDetails para cada documento en el resultado:

Campo
Tipo
Descripción

value

float

Contribución a la puntuación por un subconjunto de la fórmula de puntuación. El value de nivel superior muestra la puntuación completa del documento de resultados y es igual al valor de $searchScore.

La fórmula para calcular la puntuación varía en función del operador utilizado en la query. Por ejemplo, MongoDB Search utiliza una función de decaimiento de distancia para calcular la puntuación del operador cercano.

description

string

Subconjunto de la fórmula de puntuación, incluidos los detalles sobre cómo se puntuó el documento y los factores considerados al calcular la puntuación. El description principal muestra toda la fórmula de puntuación utilizada para calificar el documento.

Para aprender más, consulte Factores que contribuyen a la puntuación.

details

Arreglo de objetos

Desglose del puntaje de cada coincidencia en el documento basado en el subconjunto de la fórmula de puntuación. El valor es un arreglo de objetos de detalles de puntuación, de estructura recursiva.

Factores que contribuyen a la puntuación

Los distintos operadores de la query utilizan algoritmos distintos para calcular el searchScore de cada documento de los resultados. Las siguientes secciones describen cómo los operadores de query comunes gestionan la puntuación:

Texto, frase, queryString y operadores de autocompletado

Por defecto, los operadores de texto, frase, queryString y autocompletar utilizan el algoritmo de similitud bm25 para puntuar los documentos.

Recomendamos usar los algoritmos stableTfl o boolean cuando se necesiten resultados coherentes en múltiples consultas, especialmente si se cumplen ambas condiciones:

  • Tu aplicación ordena los resultados por searchScore y paginar los resultados, lo que depende de una medición determinística para evitar duplicados o documentos omitidos

  • Su implementación utiliza nodos dedicados de MongoDB Search o tiene preferencia de lectura configurada en secondary o nearest, lo que aumenta la probabilidad de que las query iniciales y posteriores se dirijan a diferentes nodos de MongoDB Search

bm25 los puntajes pueden no ser coherentes entre queries subsiguientes. Cada nodo de MongoDB Search crea índices de MongoDB Search y realiza actualizaciones y eliminaciones de forma independiente, lo que da lugar a un corpus documental que puede variar entre los diferentes nodos de MongoDB Search. Dado que los cálculos de bm25 dependen del corpus documental, las consultas subsiguientes que se enruten a diferentes nodos de Búsqueda de MongoDB podrían calcular diferentes puntuaciones de bm25 para los mismos documentos.

Para usar un algoritmo de similitud diferente, especifique la propiedad similarity.type en la definición del índice de MongoDB Search para los campos que indexe como tipo de MongoDB Search string o autocomplete. Para aprender a configurar un índice MongoDB Search para estos tipos, consulta Cómo indexar campos de String o Cómo indexar campos para autocompletar.

Puedes elegir entre los siguientes algoritmos de similitud cuando especifiques la propiedad similarity.type en tu definición de índice de MongoDB Search:

bm25

bm25 es un algoritmo de clasificación popular que clasifica documentos basado en:

  • Frecuencia del término: frecuencia con la que un término de búsqueda aparece en el documento

  • Frecuencia inversa de documentos: Qué tan común es el término de búsqueda en todos los documentos

  • Longitud del campo: es la longitud del campo que coincide con la query

bm25 calcula el puntaje como boost * idf * tf, donde cada factor se define de la siguiente manera:

Factor
Descripción

boost

Factor especificado en tiempo de query utilizando la opción score.boost del operador del query. Puedes establecer boost en un número positivo o en el valor de un campo numérico en los documentos. Para obtener más información, consulta boost.

idf

Frecuencia inversa de documentos de la query. MongoDB Search calcula la frecuencia utilizando la siguiente fórmula:

idf = log(1 + (N - n + 0.5) / (n + 0.5))

donde:

  • N es el número total de documentos con el campo de query.

  • n es el número de documentos que contienen el término de query.

tf

Frecuencia de término. MongoDB Search calcula la frecuencia utilizando la siguiente fórmula:

tf = freq / (freq + k1 * (1 - b + b * dl / avgdl))

donde:

  • freq es el número de apariciones del término dentro del documento.

  • k1 es el parámetro de saturación del término especificado internamente. Afecta cuánto aumenta la puntuación con cada reaparición del término.

  • b es el parámetro de normalización de longitud especificado internamente. b se multiplica por la proporción de dl a avgdl. Si b aumenta, los efectos de la relación de dl a avgdl se amplifican.

  • dl es la longitud del campo en el documento.

  • avgdl es la longitud media del campo en todos los documentos.

booleano

boolean es un algoritmo de puntuación que verifica si cada término de query está presente en un documento y cuenta cuántos términos se encuentran. Todos los términos coincidentes se tratan por igual, sin ningún ajuste por importancia o frecuencia del término.

Para boolean, la puntuación se calcula como la suma de todos los términos de la query presentes en el documento, donde cada término aporta un valor de 1 a la puntuación si está presente en el documento.

stableTfl

stableTfl es un algoritmo de clasificación personalizado de MongoDB Search que utiliza la longitud de los términos para determinar la rareza de los términos. Esto se basa en la ley de Zipf, que sostiene que las palabras más largas aparecen con menor frecuencia (son más raras).

stableTfl calcula el puntaje como boost * tr * tf, donde cada factor se define de la siguiente manera:

Factor
Descripción

boost

Factor especificado en tiempo de query utilizando la opción score.boost del operador del query. Puedes establecer boost en un número positivo o en el valor de un campo numérico en los documentos. Para obtener más información, consulta boost.

tf

Función de decaimiento. MongoDB Search calcula la función de decaimiento mediante la siguiente fórmula:

tf = freq / (freq + k1)

donde:

  • freq es la frecuencia del término de query en un documento.

  • k1 es el parámetro de saturación del término especificado internamente. Afecta cuánto aumenta la puntuación con cada reaparición del término.

tr

Rareza del término. MongoDB Search calcula la rareza de los términos utilizando la siguiente fórmula:

tr = log(1 + (1 - p + 0.05)/(p + 0.05))

donde:

  • p es la probabilidad de que el término de query aparezca en el documento en función de la longitud del término. Esto se basa en la ley de Zipf, la cual indica que las palabras más largas aparecen con menor frecuencia. Para determinar la rareza de un término, MongoDB utiliza una función decreciente basada en la longitud del término.

p

Función de probabilidad basada en la ley de Zipf. MongoDB Search calcula la probabilidad de que el término de la query aparezca en el documento utilizando la siguiente fórmula:

p = 1 - (1 - m * 2 ^ (-c * tl)) ^ dl

donde:

  • m es la constante multiplicativa especificada internamente para la probabilidad del término.

  • c es la constante de descomposición especificada internamente. Controla la rapidez con la que p disminuye a medida que aumenta la duración del término.

  • tl es la longitud del query término, medida en puntos de código Unicode.

  • dl es la longitud del documento d, medida en tokens.

near operador

El operador near utiliza una función de decaimiento de distancia para puntuar documentos. Mide la proximidad de los resultados de MongoDB Search al número, la fecha o el punto geográfico que establezca como valor origin.

La función de decaimiento de distancia calcula la puntuación como pivot / (pivot + distance), donde cada factor se define de la siguiente manera:

Factor
Descripción

pivot

Valor especificado como un punto de referencia para igualar la puntuación a 0.5 si la distancia entre fieldValue y origin es igual a ese valor. Esto define cuán rápido disminuye la puntuación a medida que aumenta la distancia entre fieldValue y origin. Para una distancia determinada entre fieldValue y origin, si pivot disminuye, la puntuación también disminuye.

distance

Distancia absoluta entre fieldValue y origin. MongoDB Search calcula este valor utilizando la siguiente fórmula:

abs(fieldValue - origin)

donde:

  • fieldValue es el valor del campo que estás consultando en el documento.

  • origin es el número, fecha o punto geográfico para buscar cerca de.

Ejemplos

Los siguientes ejemplos muestran cómo recuperar los detalles de las puntuaciones en los resultados de lo siguiente:

Tip

Para ver los detalles de la puntuación de forma recursiva en los arreglos de objetos, configure los ajustes en mongosh ejecutando lo siguiente:

config.set('inspectDepth', Infinity)

Ejemplos de operadores

Los siguientes ejemplos demuestran cómo recuperar un desglose de la puntuación utilizando la opción $search scoreDetails para los documentos en los resultados de las consultas de operadores text, near, compound y embeddedDocument.

El siguiente ejemplo utiliza el operador texto para query el campo title en la colección sample_mflix.movies para el término autumn. La query especifica la opción scoreDetails en la etapa $search para recuperar un desglose detallado de la puntuación de cada documento de los resultados. La query utiliza la etapa $limit para limitar los resultados a tres documentos y la etapa $project para hacer lo siguiente:

  • Excluir el campo _id.

  • Incluye solo el campo title.

  • Añade el campo score a los resultados para devolver la puntuación del documento y el campo scoreDetails a los resultados para devolver un desglose detallado de la puntuación del documento.

1db.movies.aggregate([
2  {
3    "$search": {
4      "text": {
5        "path": "title",
6        "query": "autumn"
7      },
8      "scoreDetails": true
9    }
10  },
11  {
12    "$limit": 3
13  },
14  {
15    "$project": {
16      "_id": 0,
17      "title": 1,
18      "score": { "$meta": "searchScore" },
19      "scoreDetails": { "$meta": "searchScoreDetails" }
20    }
21  }
22])
1[
2  {
3    title: 'Autumn Leaves',
4    score: 3.834893226623535,
5    scoreDetails: {
6      value: 3.834893226623535,
7      description: '$type:string/title:autumn [BM25Similarity], result of:',
8      details: [
9        {
10          value: 3.834893226623535,
11          description: 'score(freq=1.0), computed as boost * idf * tf from:',
12          details: [
13            {
14              value: 7.39188289642334,
15              description: 'idf, computed as log(1 + (N - n + 0.5) / (n + 0.5)) from:',
16              details: [
17                {
18                  value: 14,
19                  description: 'n, number of documents containing term',
20                  details: []
21                },
22                {
23                  value: 23529,
24                  description: 'N, total number of documents with field',
25                  details: []
26                }
27              ]
28            },
29            {
30              value: 0.5187978744506836,
31              description: 'tf, computed as freq / (freq + k1 * (1 - b + b * dl / avgdl)) from:',
32              details: [
33                {
34                  value: 1,
35                  description: 'freq, occurrences of term within document',
36                  details: []
37                },
38                {
39                  value: 1.2000000476837158,
40                  description: 'k1, term saturation parameter',
41                  details: []
42                },
43                {
44                  value: 0.75,
45                  description: 'b, length normalization parameter',
46                  details: []
47                },
48                {
49                  value: 2,
50                  description: 'dl, length of field',
51                  details: []
52                },
53                {
54                  value: 2.868375301361084,
55                  description: 'avgdl, average length of field',
56                  details: []
57                }
58              ]
59            }
60          ]
61        }
62      ]
63    }
64  },
65  {
66    title: 'Late Autumn',
67    score: 3.834893226623535,
68    scoreDetails: {
69      value: 3.834893226623535,
70      description: '$type:string/title:autumn [BM25Similarity], result of:',
71      details: [
72        {
73          value: 3.834893226623535,
74          description: 'score(freq=1.0), computed as boost * idf * tf from:',
75          details: [
76            {
77              value: 7.39188289642334,
78              description: 'idf, computed as log(1 + (N - n + 0.5) / (n + 0.5)) from:',
79              details: [
80                {
81                  value: 14,
82                  description: 'n, number of documents containing term',
83                  details: []
84                },
85                {
86                  value: 23529,
87                  description: 'N, total number of documents with field',
88                  details: []
89                }
90              ]
91            },
92            {
93              value: 0.5187978744506836,
94              description: 'tf, computed as freq / (freq + k1 * (1 - b + b * dl / avgdl)) from:',
95              details: [
96                {
97                  value: 1,
98                  description: 'freq, occurrences of term within document',
99                  details: []
100                },
101                {
102                  value: 1.2000000476837158,
103                  description: 'k1, term saturation parameter',
104                  details: []
105                },
106                {
107                  value: 0.75,
108                  description: 'b, length normalization parameter',
109                  details: []
110                },
111                {
112                  value: 2,
113                  description: 'dl, length of field',
114                  details: []
115                },
116                {
117                  value: 2.868375301361084,
118                  description: 'avgdl, average length of field',
119                  details: []
120                }
121              ]
122            }
123          ]
124        }
125      ]
126    }
127  },
128  {
129    title: 'Cheyenne Autumn',
130    score: 3.834893226623535,
131    scoreDetails: {
132      value: 3.834893226623535,
133      description: '$type:string/title:autumn [BM25Similarity], result of:',
134      details: [
135        {
136          value: 3.834893226623535,
137          description: 'score(freq=1.0), computed as boost * idf * tf from:',
138          details: [
139            {
140              value: 7.39188289642334,
141              description: 'idf, computed as log(1 + (N - n + 0.5) / (n + 0.5)) from:',
142              details: [
143                {
144                  value: 14,
145                  description: 'n, number of documents containing term',
146                  details: []
147                },
148                {
149                  value: 23529,
150                  description: 'N, total number of documents with field',
151                  details: []
152                }
153              ]
154            },
155            {
156              value: 0.5187978744506836,
157              description: 'tf, computed as freq / (freq + k1 * (1 - b + b * dl / avgdl)) from:',
158              details: [
159                {
160                  value: 1,
161                  description: 'freq, occurrences of term within document',
162                  details: []
163                },
164                {
165                  value: 1.2000000476837158,
166                  description: 'k1, term saturation parameter',
167                  details: []
168                },
169                {
170                  value: 0.75,
171                  description: 'b, length normalization parameter',
172                  details: []
173                },
174                {
175                  value: 2,
176                  description: 'dl, length of field',
177                  details: []
178                },
179                {
180                  value: 2.868375301361084,
181                  description: 'avgdl, average length of field',
182                  details: []
183                }
184              ]
185            }
186          ]
187        }
188      ]
189    }
190  }
191]

MongoDB Search tiene en cuenta los siguientes BM25Similarity factores para calcular la puntuación:

Factor
Descripción

boost

Factor especificado en tiempo de query utilizando la opción score.boost del operador del query. Puedes establecer boost en un número positivo o en el valor de un campo numérico en los documentos. Para obtener más información, consulta boost.

idf

Frecuencia inversa de documentos de la query. MongoDB Search calcula la frecuencia utilizando la siguiente fórmula:

idf = log(1 + (N - n + 0.5) / (n + 0.5))

donde:

  • N es el número total de documentos con el campo de query.

  • n es el número de documentos que contienen el término de query.

tf

Frecuencia de término. MongoDB Search calcula la frecuencia utilizando la siguiente fórmula:

tf = freq / (freq + k1 * (1 - b + b * dl / avgdl))

donde:

  • freq es el número de apariciones del término dentro del documento.

  • k1 es el parámetro de saturación del término especificado internamente. Afecta cuánto aumenta la puntuación con cada reaparición del término.

  • b es el parámetro de normalización de longitud especificado internamente. b se multiplica por la proporción de dl a avgdl. Si b aumenta, los efectos de la relación de dl a avgdl se amplifican.

  • dl es la longitud del campo en el documento.

  • avgdl es la longitud media del campo en todos los documentos.

Ejemplos de puntajes personalizados

Los siguientes ejemplos demuestran cómo recuperar un desglose de la puntuación usando la opción $search scoreDetails para los documentos en los resultados de las queries ejemplo de expresión funcional contra la colección sample_mflix.movies.

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    "scoreDetails": true
23  }
24},
25{
26  $limit: 5
27},
28{
29  $project: {
30    "_id": 0,
31    "title": 1,
32    "score": { "$meta": "searchScore" },
33    "scoreDetails": {"$meta": "searchScoreDetails"}
34  }
35}])
[
  {
    title: 'Men...',
    score: 23.431293487548828,
    scoreDetails: {
      value: 23.431293487548828,
      description: 'FunctionScoreQuery($type:string/title:men, scored by (imdb.rating * scores)) [BM25Similarity], result of:',
      details: [
        {
          value: 23.431293487548828,
          description: '(imdb.rating * scores)',
          details: []
        }
      ]
    }
  },
  {
    title: '12 Angry Men',
    score: 22.080968856811523,
    scoreDetails: {
      value: 22.080968856811523,
      description: 'FunctionScoreQuery($type:string/title:men, scored by (imdb.rating * scores)) [BM25Similarity], result of:',
      details: [
        {
          value: 22.080968856811523,
          description: '(imdb.rating * scores)',
          details: []
        }
      ]
    }
  },
  {
    title: 'X-Men',
    score: 21.34803581237793,
    scoreDetails: {
      value: 21.34803581237793,
      description: 'FunctionScoreQuery($type:string/title:men, scored by (imdb.rating * scores)) [BM25Similarity], result of:',
      details: [
        {
          value: 21.34803581237793,
          description: '(imdb.rating * scores)',
          details: []
        }
      ]
    }
  },
  {
    title: 'X-Men',
    score: 21.34803581237793,
    scoreDetails: {
      value: 21.34803581237793,
      description: 'FunctionScoreQuery($type:string/title:men, scored by (imdb.rating * scores)) [BM25Similarity], result of:',
      details: [
        {
          value: 21.34803581237793,
          description: '(imdb.rating * scores)',
          details: []
        }
      ]
    }
  },
  {
    title: 'Matchstick Men',
    score: 21.05954933166504,
    scoreDetails: {
      value: 21.05954933166504,
      description: 'FunctionScoreQuery($type:string/title:men, scored by (imdb.rating * scores)) [BM25Similarity], result of:',
      details: [
        {
          value: 21.05954933166504,
          description: '(imdb.rating * scores)',
          details: []
        }
      ]
    }
  }
]
Volver
Opciones de puntaje
Next
sort
Califique esta página

En esta página