関連性による検索結果のソート
このページの翻訳はAIによって自動的に行われました。可能な限り正確な翻訳を心掛けていますが、原文と異なる表現や解釈が含まれる場合があります。正確で公式な情報については、必ず英語の原文をご参照ください。
検索結果を整理するために、検索条件との関連度に基づいて並べ替えることができます。つまり、検索に最も関連性の高いものが検索結果リストの上位に表示されます。
検索結果を生成する際、Sitecore Content Hub:
- 定義した検索条件を適用することで、検索結果候補の数を減らします。
- 検索結果をスコアリングし、ランキングします。このステップでは、定義された検索またはフィルター条件に合致するすべての資産を出力します。
第2段階では、Content Hubが候補セット内の各アセットにスコアを計算し、割り当てます。このスコアは、定義されたクエリに対するアセットの関連性を反映します。関連性スコアがアセットに割り当てられた後、検索結果はソートされランク付けされます。
関連性スコア
Content HubはBM25のベストマッチングアルゴリズムを用いて関連性を計算しています。このアルゴリズムは以下の表に説明されているように、3つの要素を用いて各資産スコアを決定します。
要因
概要
用語頻度(TF)
アセットフィールドで検索語が繰り返される回数です。繰り返し回数が多いほど、そのアセットはより関連性が高くなります。例えば、Winter cookbookとクラシックカクテルズのレシピブックはどちらもContent Hubのアセットです。アセットの説明では、Winter cookbookの説明では「cook」という用語がClassic Cocktailsのレシピ説明よりも頻繁に使われています。つまり、ユーザーが「cook」という用語を検索したとき、そのWinter cookbookはClassic Cocktailsのレシピブックよりも頻度の面でより関連性が高いことを意味します。
逆文書頻度(IDF)
検索語を含むアセットの数。アセットの数が多いほど、その用語の重要度は低いです。例えば、前の例のWinter cookbookとクラシックカクテルのレシピ本、そして同じ文脈のさらに8つのアセットを考えてみましょう。ユーザーが「famous chef」という用語で検索すると、10個のアセットのうち9個が「fammous」という言葉を説明に含んでいます。しかし、「chef」という用語が説明に含まれるアセットは3つだけです。これは、この検索では**fammeという用語がchefよりも重要度が低く、「chef」という用語を含む3つのアセットが、他のアセットよりも有名なシェフ検索ワードに関連性が高いことを意味します。
電界長
短い欄に検索語を含むアセットは、同じ語を含む拡張フィールドのアセットよりも関連性が高いと考えられます。例えば、 Winter cookbook の説明は350文字ですが、 Classic Cocktailsのレシピ ブックは1200文字の説明があります。ユーザーは「 材料 」という用語を検索し、両方のアセットにこの用語が説明に含まれています。しかし、フィールド長の違いにより、 Winter Cookbook の方が Classic Cocktailsのレシピブックよりも関連性が高いです。
資産の強化
物件メンバーのBoostフィールド をオンにすることで、検索結果での資産のランク付けに影響を与えられます。
例えば、M.Assetエンティティの定義では 、著者 フィールドはブーストしますが、作者についての情報 フィールドはブーストしません。
ユーザーがサラ・ダブラーが書いた2冊の料理本をアップロードし、以下のことをすると:
- Summer Saladsの料理本アセットでは、著者欄に著者名を追加し、もう一方の欄は空欄のままにします。
- 地中海 サラダの料理本では、 著者 欄は空欄のままですが、著 者情報 欄にはサラ・ダブラーの情報が追加されています。
誰かがSara Dublerを検索したとき、Summer Saladの料理本が最初に結果に表示されます。なぜなら、著者欄にSara Dublerがあり、この欄がブーストされている一方で、著者情報欄はそうでないからです。
!注ブースト機能はSearchコンポーネント 内のワイルドカードと互換性があります。