Decay Ranker
この章では、特定の数値フィールドの値に応じて特定のエンティティの類似度スコアが減少するべきであるという考え方に基づいた動的ランキング手法を使用するDecay Rankerについて説明し、他のエンティティが目立つようにします。
Decay Ranker の概要 [READ MORE]
従来のベクトル検索では、結果は純粋にベクトル類似度、つまり数学的空間でベクトルがどれだけ密接に一致するかによってランク付けされます。しかし、実際のアプリケーションでは、コンテンツを真に関連性の高いものにする要素は、セマンティックな類似度だけではありません。
ガウス減衰 [READ MORE]
正規減衰とも呼ばれるガウス減衰は、検索結果に最も自然な感覚の調整をもたらします。距離が離れるにつれて徐々にぼやけていく人間の視覚のように、ガウス減衰は滑らかな釣鐘型の曲線を作成し、アイテムが理想的な点から離れるにつれて関連性を緩やかに減少させます。このアプローチは、好みの範囲をわずかに外れたアイテムを厳しく罰することなく、遠く離れたアイテムの関連性を大幅に減少させる、バランスの取れた減衰が必要な場合に理想的です。
指数減衰 [READ MORE]
指数減衰は、検索結果において急激な初期の低下に続いて長いテールを生成します。関連性が最初は急速に低下するものの、一部のストーリーは時間の経過とともに重要性を保持する速報ニュースサイクルと同様に、指数減衰は理想的な範囲をわずかに超えるアイテムに厳しいペナルティを適用しつつ、遠くのアイテムも発見可能に保ちます。このアプローチは、近接性や新しさを強く優先したいが、より遠いオプションを完全に排除したくない場合に理想的です。
線形減衰 [READ MORE]
線形減衰は、検索結果において絶対的なゼロ点で終了する直線的な減衰を作成します。これは、関連性がイベント終了まで徐々に薄れていく今後のイベントのカウントダウンのように、線形減衰はアイテムが理想的な点から離れるにつれて、関連性が予測可能で着実に減少し、最終的に完全に消滅するまで適用されます。このアプローチは、明確なカットオフを持つ一貫した減衰率が必要な場合に理想的であり、特定の境界を超えるアイテムが結果から完全に除外されることを保証します。
チュートリアル: 時間ベースのランキングを実装する [READ MORE]
多くの検索アプリケーションでは、コンテンツの鮮度はその関連性と同じくらい重要です。ニュース記事、製品リスト、ソーシャルメディアの投稿、研究論文はすべて、セマンティックな関連性と新しさを両立させるランキングシステムから恩恵を受けます。このチュートリアルでは、ディケイランカーを使用してZilliz Cloudで時間ベースのランキングを実装する方法を説明します。