Rank Fusion Konfiguration

Übersicht

Die Rank Fusion-Funktion von Fess integriert mehrere Suchergebnisse, um genauere Suchergebnisse zu liefern.

Was ist Rank Fusion

Rank Fusion ist eine Technik, die Ergebnisse aus mehreren Suchalgorithmen oder Bewertungsmethoden kombiniert, um ein einzelnes optimiertes Ranking zu generieren.

Hauptvorteile:

  • Kombiniert die Stärken verschiedener Algorithmen

  • Verbessert die Suchgenauigkeit

  • Liefert vielfältige Suchergebnisse

Unterstützte Algorithmen

Fess unterstützt die folgenden Rank Fusion-Algorithmen:

Algorithmus Beschreibung
RRF (Reciprocal Rank Fusion) Fusionsalgorithmus basierend auf dem Kehrwert der Rangposition
Score Fusion Fusion durch Score-Normalisierung und gewichteten Durchschnitt
Borda Count Abstimmungsbasierte Ranking-Fusion

RRF (Reciprocal Rank Fusion)

RRF berechnet Scores durch Summierung des Kehrwerts der Rangposition jedes Ergebnisses.

Formel:

score(d) = Σ 1 / (k + rank(d))

  • k: Konstanter Parameter (Standard: 60)

  • rank(d): Rang des Dokuments d in jedem Suchergebnis

Einstellungen

fess_config.properties

Grundeinstellungen:

# Rank Fusion aktivieren
rank.fusion.enabled=true

# Zu verwendender Algorithmus
rank.fusion.algorithm=rrf

# RRF k-Parameter
rank.fusion.rrf.k=60

# Suchtypen für die Fusion
rank.fusion.search.types=keyword,semantic

Algorithmus-spezifische Einstellungen

RRF-Einstellungen:

rank.fusion.algorithm=rrf
rank.fusion.rrf.k=60

Score Fusion-Einstellungen:

rank.fusion.algorithm=score
rank.fusion.score.normalize=true
rank.fusion.score.weights=0.7,0.3

Borda Count-Einstellungen:

rank.fusion.algorithm=borda
rank.fusion.borda.top_n=100

Integration mit Hybridsuche

Rank Fusion ist besonders effektiv bei der Hybridsuche, die Schlüsselwortsuche und semantische Suche kombiniert.

Konfigurationsbeispiel

# Hybridsuche aktivieren
search.hybrid.enabled=true

# Ergebnisse von Schlüsselwortsuche und semantischer Suche fusionieren
rank.fusion.enabled=true
rank.fusion.algorithm=rrf
rank.fusion.rrf.k=60

# Gewichtung für jeden Suchtyp
search.hybrid.keyword.weight=0.6
search.hybrid.semantic.weight=0.4

Anwendungsbeispiele

Grundlegende Hybridsuche

  1. BM25-Score mit Schlüsselwortsuche berechnen

  2. Vektorähnlichkeit mit semantischer Suche berechnen

  3. Beide Ergebnisse mit RRF fusionieren

  4. Endgültiges Ranking generieren

Suchablauf:

User Query
    ↓
┌──────────────────┬──────────────────┐
│  Keyword Search  │ Semantic Search  │
│    (BM25)        │  (Vector)        │
└────────┬─────────┴────────┬─────────┘
         ↓                  ↓
     Rank List 1        Rank List 2
         └────────┬─────────┘
                  ↓
          Rank Fusion (RRF)
                  ↓
          Final Ranking

Benutzerdefiniertes Scoring

Beispiel für die Kombination mehrerer Score-Faktoren:

# Basis-Suchscore + Datums-Boost + Popularität
rank.fusion.enabled=true
rank.fusion.algorithm=score
rank.fusion.score.factors=relevance,recency,popularity
rank.fusion.score.weights=0.5,0.3,0.2

Leistungsüberlegungen

Speicherverbrauch

  • Der Speicherverbrauch steigt, da mehrere Suchergebnisse gehalten werden

  • Begrenzen Sie die maximale Anzahl der Fusionsziele mit rank.fusion.max.results

# Maximale Ergebnisanzahl für die Fusion
rank.fusion.max.results=1000

Verarbeitungszeit

  • Die Antwortzeit steigt, da mehrere Suchen ausgeführt werden

  • Erwägen Sie Optimierung durch parallele Ausführung

# Parallele Ausführung aktivieren
rank.fusion.parallel=true
rank.fusion.thread.pool.size=4

Cache

  • Nutzen Sie Caching für häufige Abfragen

# Cache für Rank Fusion-Ergebnisse
rank.fusion.cache.enabled=true
rank.fusion.cache.size=1000
rank.fusion.cache.expire=300

Fehlersuche

Suchergebnisse weichen von Erwartungen ab

Symptom: Ergebnisse nach Rank Fusion weichen von den Erwartungen ab

Prüfpunkte:

  1. Ergebnisse jedes Suchtyps einzeln überprüfen

  2. Prüfen, ob die Gewichtung angemessen ist

  3. Den k-Parameterwert anpassen

Suche ist langsam

Symptom: Suche wird bei aktiviertem Rank Fusion langsam

Lösungen:

  1. Parallele Ausführung aktivieren:

    rank.fusion.parallel=true

  2. Anzahl der Fusionsziel-Ergebnisse begrenzen:

    rank.fusion.max.results=500

  3. Caching aktivieren:

    rank.fusion.cache.enabled=true

Speichermangel

Symptom: OutOfMemoryError tritt auf

Lösungen:

  1. Maximale Anzahl der Fusionsziel-Ergebnisse reduzieren

  2. JVM-Heap-Größe erhöhen

  3. Nicht benötigte Suchtypen deaktivieren

Referenz