Sisällysluettelo
Johdanto
Finnassa hakutulokset voidaan järjestää relevanssin perusteella, eli hakukriteereihin nähden osuvimmat tulokset järjestetään tuloksessa ensimmäiseksi. Omassa Finna-näkymässä organisaatio voi säätää relevanssia tarpeen mukaan.
Relevanssia säätämällä on helppo sotkea hakutulokset. Kannattaa olla varovainen ja testata muutokset huolellisesti.
VuFind ja Finna
Relevanssi määräytyy oletuksena local/config/finna/searchspecs.yaml-tiedoston perusteella. Tiedosto on YAML-muodossa, jossa sisennykset määrittävät tiedoston muodon. Merkistönä on UTF-8 ja sisennykseen käytetään välilyöntejä, ei sarkaimia (tab). Omat muutokset tulee tehdä local/config/vufind/searchspecs.yaml -tiedostoon. Siihen ei tarvitse kopioida kaikkea alkuperäisestä searchspecs.yaml:sta, muutetut hakukentät riittävät.
Relevanssista saa lisätietoa lisäämällä Finnan hakutulossivun osoitteen perään parametrin &debugSolrQuery=true ja tarkastelemalla sen jälkeen sivun lähdekoodia.
Useimmissa hakukentissa on kaksi erilaista prosessointitapaa, DismaxFields and QueryFields. Tee aina samat muutokset molempiin kohtiin. Finnassa käytetään eDisMax-hakusyntaksia aina kun mahdollista, mutta jotkin hakuehdot edellyttävät Lucene-hakusyntaksia. Näistä löytyy enemmän selitystä VuFindin wikistä.
Hakukenttien perässä ^-merkin jälkeen tai hakasuluissa mainittu numero kertoo, kuinka suuren suhteellisen painoarvon kentän sisältö saa hakutuloksessa (weighting). Nämä painoarvot ovat suhteessa vain muihin saman haun kenttiin, eivät mihinkään muuhun. Suurempi luku nostaa kentän tärkeämmäksi kuin pienemmän luvun omaavat kentät, mutta hakuehdon täsmäävyydellä on myös merkitys lopullista painoarvoa laskettaessa.
Joistakin hakukentistä on olemassa tavallinen ja unstemmed-versio (esim. allfields ja allfields_unstemmed). unstemmed-kentissä ei käytetä kielenkäsittelyä, esim. perusmuotoon palautusta. Niiden painoarvoa kasvattamalla nostetaan täsmälliset osumat tärkeämmiksi kuin epätäsmälliset. Lisäksi osassa hakumäärityksista, esim. AllFields:ssä, on ExactSettings-kohta, jota käytetään, jos hakuehto on ympäröity lainausmerkein.
Hakutulosten pisteytyksessä käytetään BM25-algoritmia.
Korostukset kannattaa lisätä searchspecs.yaml-tiedostoon GlobalExtraParams-kohtaan. Hakutyyppikohtaisesti tehdyissä määrityksissä on ongelmana se, että ne kertautuvat tarkennetussa haussa jokaiselle kentälle. GlobalExtraParams lisätään hakuun vain kerran riippumatta kenttien määrästä. Alla on esimerkkejä siitä, miten asetuksia lisätään. Tarkempi kuvaus ehdoista ym. löytyy local/config/finna/searchspecs.yaml.sample-tiedostosta.
Hakutuloslistojen järjestykseen vaikuttavat DisMax-parametrit
DisMaxin dokumentaatiossa kerrotaan, että seuraavat DisMax-parametrit vaikuttavan relevanssipisteytykseen (engl. score) eli hakutuloslistan järjestykseen. Lisäksi käytettävissä on eDisMaxin lisäparametrit.
Keskeisimmät parametrit
pf
Parametrilla pf voidaan nostaa dokumenttien pisteitä tapauksissa, joissa kaikki hakusanat ovat dokumentissa lähellä toisiaan. Normaalisti DisMax laskee jokaiselle hakusanalle omat relevanssipisteensä. Jos parametri pf on annettu, DisMax antaa lisäksi sen mukaisen painotuksen hakusanojen muodostamalle fraasille.
Muotoilu on lista kenttä- ja nostokerroinpareja. Näitä käytetään, kun luodaan kyselyä parametrin q (hakulauseke) perusteella.
Esim. Korostetaan tietueita, joissa on otsikossa sanat juuri halutussa järjestyksessä:
- param: 'pf'
value: 'title_txtP^1000 author^500'
tie
Oletusarvoisesti relevanssinlaskennassa käytetään suurimmat pisteet saaneen kentän pisteitä.
Kun tie-parametri on määritelty, muidenkin osumakenttien pisteitä lisätään suurimmat pisteet saaneen kentän pisteisiin.
bq
bq on SolrQuerySyntax-muotoinen merkkijono, joka sisällytetään käyttäjän kyselyyn ja joka vaikuttaa relevanssipisteiden laskentaan. bq:ssa annetut ehdot eivät rajaa hakutulosta, vaan vaikuttavat ainoastaan sen järjestykseen.
Esim. Korostetaan suomenkielisiä tietueita:
- param: "bq"
value: "(language:fin)^0.11"
bf
bf-parametrin avulla voi sisällyttää käyttäjän kyselyyn funktioita. Funktio voi olla mikä tahansa Solrin natiivifunktio, ja kullekin on mahdollista antaa nostokerroin. bf-parametrin funktiot sisällytetään käyttäjän kyselyyn ja vaikuttavat relevanssipisteisiin.
Esim. Korostetaan uusia tietueita:
- param: "bf"
value: "recip(ms(NOW/DAY,main_date),1,1000,1000)^20000"
Täsmentävät parametrit
ps
Parametri ps täsmentää parametria pf. Parametri ps kertoo, montako "positiota", eli käytännössä sanaa, merkkijonon osaa saisi enintään siirtää, jotta hakutulokseen sisältyvä merkkijono olisi täsmälleen sama kuin käyttäjän syöttämät hakusanat (vrt. "fraasihaku"). Lisätietoja löytyy Solr-wikistä. Kirjain s on tässä lyhenne englanninkielisestä sanasta slop, jolla tarkoitetaan tämän siirron suuruutta.
Esim. Korostetaan hakutuloksia, joissa sanojen etäisyys toisistaan on enintään 2 positiota:
- param: "ps"
value: "2"
Esimerkki 1: Korostetaan uusia tietueita
Tämä esimerkki korostaa uusia tietueita AllFields- ja Title-hauissa, kunhan DismaxParams-asetuksella ei ole tehty muita korostuksia ko. hakutyypin kohdalla.
GlobalExtraParams:
- param: bf
value: "recip(ms(NOW/DAY,main_date),1,1000,1000)^20000"
conditions:
- SearchTypeIn:
- AllFields
- Titles
- NoDismaxParams:
- bf
- bq
Esimerkki 2: Korostetaan suomenkielisiä tietueita Author-haussa
Tämä esimerkki korostaa suomenkielisiä tietueita Author-haussa.
GlobalExtraParams:
- param: bq
value: "(language:fin)^0.11"
conditions:
- SearchTypeIn:
- Author
Esimerkki 3: Korostetaan uusia tietueita melkein aina ja suomenkielisiä tietueita Author-haussa
Tämä esimerkki korostaa uusia tietueita kaikissa muissa paitsi year-haussa ja suomenkielisiä tietueita Author-haussa.
GlobalExtraParams:
- param: bf
value: "recip(ms(NOW/DAY,main_date),1,1000,1000)^20000"
conditions:
- SearchTypeNotIn:
- year
- param: bq
value: "(language:fin)^0.11"
conditions:
- SearchTypeIn:
- Author
Esimerkki 4: Korostetaan tietueita, joissa on eniten niteitä (Alma, Koha, Sierra)
Alma-, Koha- ja Sierra-kirjastoissa indeksoidaan niteiden lukumäärä kenttään items_int ja tilausten lukumäärä (vain Koha ja Sierra) kenttään orders_int, jolloin näitä voidaan käyttää lukumäärän perusteella suosituimmiksi katsottujen tietueiden korostamiseen.
GlobalExtraParams:
- param: bf
value: "items_int^20"
