AI 에이전트의 경우: 문서 인덱스는 https://www.mongodb.com/ko-kr/docs/llms.txt에서 사용할 수 있으며, 모든 페이지의 마크다운 버전은 어떤 URL 경로에 .md를 추가하여 사용할 수 있습니다.
Docs Menu
Docs Home
/ /
점수
Docs Home
/ /
검색 옵션
/
점수
Docs Home
/
개발
/
검색
/
쿼리 및 인덱스
/
쿼리 참조
/
검색 옵션
/
점수

점수 상세 정보 반환

단계에서 scoreDetails 불리언 옵션을 $search 사용하여 쿼리 결과의 각 문서에 대한 점수를 자세히 분석할 수 있습니다.

scoreDetails: true 를 $search 단계에서 설정하다 하면 MongoDB Search는 일치하는 각 문서에 대한 자세한 점수 정보를 반환합니다. 이 정보는 문서 쿼리 와 일치하고 검색 결과에서 관련성 점수를 받은 이유를 설명합니다.

By default, scoring is based on the bm25 formula:

  • 텀 빈도: 문서에 검색 텀 나타나는 빈도

  • 역 문서 빈도: 검색 텀 모든 문서에서 얼마나 흔한지

  • 필드 길이: 쿼리 와 일치하는 필드 의 길이

scoreDetails 옵션은 이러한 요소를 세분화하여 문서 쿼리 와 일치하고 점수를 받은 이유 분석 데 도움이 됩니다.

To view the metadata, you must use the $meta expression in the $project stage.

구문

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

옵션

$search 단계 에서 scoreDetails 부울 옵션은 다음 값 중 하나를 사용합니다.

  • true - to include details of the score for the documents in the results. If set to true, MongoDB Search returns a detailed breakdown of the score for each document in the result. This provides information on why certain documents matched a MongoDB Search query. To learn more, see Output.

  • false - 결과에서 점수 분석의 세부 정보를 제외합니다. (기본값)

생략하면 scoreDetails 옵션의 기본값은 false 입니다.

In the $project stage, the scoreDetails field takes the $meta expression, which requires the following value:

searchScoreDetails

결과에 포함된 각 문서의 점수에 대한 자세한 분석을 반환합니다.

출력

scoreDetails 옵션은 결과의 각 문서에 대해 scoreDetails 객체 내부의 details 배열에 다음 필드를 반환합니다.

필드
유형
설명

value

float

점수 산정 공식의 하위 세트에 의한 점수 기여도. 최상위 value는 결과 문서의 전체 점수를 표시하며 $searchScore 값과 같습니다.

점수 산정 공식은 쿼리에 사용된 연산자에 따라 달라집니다. 예를 들어, MongoDB 검색은 거리 감소 함수를 사용하여 near 연산자의 점수를 계산합니다.

description

문자열

문서에 점수를 매긴 방법과 점수 계산 시 고려된 요소에 대한 정보를 포함하는 채점 공식의 하위 집합입니다. 최상위 description은 문서의 점수를 매기는 데 사용된 전체 점수 공식을 보여줍니다.

자세히 알아보려면 Factors That Contribute to the Score(점수에 기여하는 요인)을 참조하세요.

details

객체 배열

점수 공식의 하위 집합을 기반으로 문서에 있는 각 일치 항목의 점수 분석입니다. 이 값은 구조가 재귀적인 점수 세부 정보 객체의 배열입니다.

점수에 기여하는 요소

다양한 쿼리 연산자는 결과 내 각 문서의 searchScore를 계산하기 위해 서로 다른 알고리즘을 사용합니다. 다음 섹션에서는 일반적인 쿼리 연산자가 점수 계산을 처리하는 방법을 설명합니다.

텍스트, 구문, 쿼리 문자열 및 자동 완성 연산자

기본적으로 text, phrase, queryString and autocomplete 연산자는 bm25 유사성 알고리즘을 사용하여 문서에 점수를 매깁니다.

여러 쿼리에서 일관된 결과가 필요할 때, 특히 다음 두 조건이 모두 충족되는 경우 stableTfl 또는 boolean 알고리즘을 사용하는 것이 좋습니다.

  • 애플리케이션은 searchScore에 따라 결과를 정렬하고 결과를 페이지 매김합니다. 이는 중복 또는 문서 누락을 방지하기 위해 결정론적 점수에 의존합니다.

  • Your deployment uses dedicated MongoDB Search nodes or has read preference set to secondary or nearest, which increases the likelihood that initial and subsequent queries are routed to different MongoDB Search nodes

bm25 후속 쿼리 간에 점수가 일관적이지 않을 수 있습니다. 각 MongoDB 검색 노드는 MongoDB 검색 인덱스를 빌드하고 업데이트 및 삭제 작업을 독립적으로 수행하므로, 서로 다른 MongoDB 검색 노드 간에 문서 세트가 달라질 수 있습니다. bm25 계산은 문서 코퍼스에 의존하므로, 다른 MongoDB 검색 노드로 라우팅되는 후속 쿼리는 동일한 문서에 대해 서로 다른 bm25 점수를 계산할 수 있습니다.

다른 유사도 알고리즘을 사용하려면 MongoDB 검색 string 또는 autocomplete 유형으로 색인하는 필드에 대해 MongoDB 검색 인덱스 정의에서 similarity.type 속성을 지정합니다. 이러한 유형에 대해 MongoDB 검색 인덱스를 구성하는 방법은 String 필드를 인덱싱하는 방법 또는 자동 완성을 위한 필드를 인덱싱하는 방법을 참조하세요.

MongoDB 검색 인덱스 정의에서 similarity.type 속성을 지정할 때 다음 유사성 알고리즘 중에서 선택할 수 있습니다.

bm25

bm25 는 문서를 기준으로 순위를 매기는 인기 있는 순위 알고리즘입니다.

  • 텀 빈도: 문서에 검색 텀 나타나는 빈도

  • 역 문서 빈도: 검색 텀 모든 문서에서 얼마나 흔한지

  • 필드 길이: 쿼리 와 일치하는 필드 의 길이

bm25 각 요인이 다음과 같이 정의되는 경우 점수를 boost * idf * tf로 계산합니다.

요인
설명

boost

쿼리 시점에 쿼리 연산자의 score.boost 옵션을 지정한 요소입니다. boost를 양수 또는 문서 내 숫자 필드의 값으로 설정할 수 있습니다. 자세한 내용은 boost를 참조하세요.

idf

쿼리 의 역 문서 빈도입니다. MongoDB Search는 다음 공식을 사용하여 빈도를 계산합니다.

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

where:

  • N 은 쿼리 필드가 포함된 문서의 총 개수입니다.

  • n 은 쿼리 텀을 포함하는 문서의 수입니다.

tf

용어 빈도. MongoDB Search는 다음 공식을 사용하여 빈도를 계산합니다.

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

where:

  • freq 는 텀 내에서 해당 문서의 발생 횟수입니다.

  • k1 은 내부적으로 지정된 텀 포화 매개변수입니다. 용어가 반복될 때마다 점수가 증가하는 정도에 영향을 줍니다.

  • b 는 내부적으로 지정된 길이 정규화 매개변수입니다. b는 dl을avgdl로 나눈 비율을 곱한 값입니다. b가 증가하면 dl과 avgdl 비율이 미치는 영향이 더 크게 증폭됩니다.

  • dl 은 문서에 있는 필드의 길이입니다.

  • avgdl 모든 문서에서 필드의 평균 길이입니다.

부울

boolean 은 각 쿼리 텀이 문서에 존재하는지 확인하고 발견된 텀의 수를 계산하는 점수 알고리즘입니다. 일치하는 모든 텀은 텀의 중요도나 빈도에 대한 조정 없이 동등하게 처리됩니다.

boolean의 경우, 점수는 문서에 존재하는 모든 쿼리 텀의 합으로 계산됩니다. 각 텀이 문서에 존재하는 경우 점수에 1의 값을 기여합니다.

stableTfl

stableTfl 은 텀의 길이를 사용하여 텀의 희귀성을 도출하는 사용자 지정 MongoDB 검색 순위 알고리즘입니다. 이는 긴 단어가 나타나는 빈도가 낮다(더 드물게)는 집프의 법칙에 근거한 것입니다.

stableTfl 각 요인이 다음과 같이 정의되는 경우 점수를 boost * tr * tf로 계산합니다.

요인
설명

boost

쿼리 시점에 쿼리 연산자의 score.boost 옵션을 지정한 요소입니다. boost를 양수 또는 문서 내 숫자 필드의 값으로 설정할 수 있습니다. 자세한 내용은 boost를 참조하세요.

tf

감소 함수. MongoDB 검색은 다음 수식을 사용하여 감소 함수를 계산합니다.

tf = freq / (freq + k1)

where:

  • freq 는 문서에서 쿼리 텀의 빈도입니다.

  • k1 은 내부적으로 지정된 텀 포화 매개변수입니다. 용어가 반복될 때마다 점수가 증가하는 정도에 영향을 줍니다.

tr

텀 희귀도. MongoDB 검색는 다음 공식을 사용하여 텀의 희귀도를 계산합니다.

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

where:

  • p 는 텀 길이에 따라 문서에 쿼리 텀이 나타날 확률입니다. 이는 긴 단어가 나타나는 빈도가 낮다는 지프의 법칙에 근거합니다. 텀의 희귀도를 결정하기 위해 MongoDB는 텀 길이에 기반한 감소 함수를 사용합니다.

p

확률 함수는 Zipf의 법칙에 기반합니다. MongoDB 검색는 다음 공식을 사용하여 문서에 쿼리 텀이 나타날 확률을 계산합니다.

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

where:

  • m 은 텀 확률에 내부적으로 지정된 곱셈 상수입니다.

  • c 는 내부적으로 지정된 감소 상수입니다. 은 텀 길이가 증가함에 따라 p 이 얼마나 빨리 감소하는지를 제어합니다.

  • tl 은 유니코드 코드포인트로 측정한 쿼리 텀의 길이입니다.

  • dl 은 토큰으로 측정한 문서 d의 길이입니다.

near 연산자

The near operator uses a distance decay function to score documents. It measures the proximity of the MongoDB Search results to the number, date, or geographic point that you set as the origin value.

거리 감소 함수는 점수를 pivot / (pivot + distance)로 계산하며, 각 요소는 다음과 같이 정의됩니다.

요인
설명

pivot

fieldValue 와 origin 사이의 거리가 동일한 경우 점수를 0.5 과 동일하게 만들기 위한 참고 점으로 지정된 값입니다. 이는 fieldValue 와 origin 사이의 거리가 멀수록 점수가 얼마나 빨리 감소하는지 정의합니다. fieldValue 와 origin 사이의 주어진 거리에서 pivot 이 감소하면 점수도 감소합니다.

distance

fieldValue와 origin 사이의 절대 거리. MongoDB 검색은 다음 수식을 사용하여 이 값을 계산합니다.

abs(fieldValue - origin)

where:

  • fieldValue 문서에서 쿼리 중인 필드의 값입니다.

  • origin 검색 근처의 번호, 날짜 또는 지리적 점입니다.

예시

다음 예에서는 다음에 대한 결과에서 점수의 세부 정보를 검색하는 방법을 보여 줍니다.

팁

To view details of the score recursively in the arrays of objects, configure the settings in mongosh by running the following:

config.set('inspectDepth', Infinity)

연산자 예제

다음 예제에서는 텍스트 , near , 복합 및 embeddedDocument 연산자 쿼리에 대한 결과의 문서에 대해 옵션을 사용하여 점수 분석을 검색하는 방법을 보여 줍니다.$search scoreDetails

The following example uses the text operator to query the title field in the sample_mflix.movies collection for the term autumn. The query specifies the scoreDetails option in the $search stage to retrieve a detailed breakdown of the score for each document in the results. The query uses the $limit stage to limit the results to three documents and the $project stage to do the following:

  • _id 필드를 제외합니다.

  • title 필드만 포함합니다.

  • 결과에 score 필드를 추가하여 문서의 점수를 반환하고 scoreDetails 필드를 추가하여 문서의 점수에 대한 자세한 분석을 반환합니다.

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 Search는 점수를 계산할 때 다음 BM25Similarity 요인을 고려합니다.

요인
설명

boost

쿼리 시점에 쿼리 연산자의 score.boost 옵션을 지정한 요소입니다. boost를 양수 또는 문서 내 숫자 필드의 값으로 설정할 수 있습니다. 자세한 내용은 boost를 참조하세요.

idf

쿼리 의 역 문서 빈도입니다. MongoDB Search는 다음 공식을 사용하여 빈도를 계산합니다.

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

where:

  • N 은 쿼리 필드가 포함된 문서의 총 개수입니다.

  • n 은 쿼리 텀을 포함하는 문서의 수입니다.

tf

용어 빈도. MongoDB Search는 다음 공식을 사용하여 빈도를 계산합니다.

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

where:

  • freq 는 텀 내에서 해당 문서의 발생 횟수입니다.

  • k1 은 내부적으로 지정된 텀 포화 매개변수입니다. 용어가 반복될 때마다 점수가 증가하는 정도에 영향을 줍니다.

  • b 는 내부적으로 지정된 길이 정규화 매개변수입니다. b는 dl을avgdl로 나눈 비율을 곱한 값입니다. b가 증가하면 dl과 avgdl 비율이 미치는 영향이 더 크게 증폭됩니다.

  • dl 은 문서에 있는 필드의 길이입니다.

  • avgdl 모든 문서에서 필드의 평균 길이입니다.

사용자 지정 점수 예시

다음 $search scoreDetails 예제에서는 sample_mflix.movies collection에 대한 함수 표현식 예제 쿼리의 결과에 있는 문서에 대해 옵션을 사용하여 점수 분석을 검색하는 방법을 보여 줍니다.

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: []
        }
      ]
    }
  }
]
돌아가기
점수 산정 옵션
다음
sort
이 페이지 평가하기

이 페이지의 내용