1
机器学习如何纳入搜索引擎设计中？
我目前正在建立一个基于Apache Lucene的小型内部搜索引擎。它的目的很简单-根据一些关键字，它将建议一些在公司内部撰写的文章。我使用相当标准的TF-IDF评分作为基本指标，并在此基础上建立了自己的评分机制。所有这些似乎都工作得很好，除了一些极端情况下，排名似乎一团糟。 因此，我打算做的是在搜索结果页面上添加一个小的“相关/不相关”链接，以便用户可以根据对结果是否应该首先包含在内的感知，单击其中的一个。 我的点子 将这些相关/不相关视为标签并创建训练数据。 使用此数据来训练分类器（例如SVM） 将此模型整合到搜索引擎中，即，每个新结果都将通过分类器，并为其分配是否相关的标签。 对我来说，这种方法似乎很直观，但是不确定它是否会在实践中起作用。我有两个具体问题： 我应该提取什么所有功能？ 有没有更好的方法将机器学习组件集成到搜索引擎中？我的最终目标是基于业务逻辑和用户反馈来“学习”排名功能。