Поиск с использованием обучения ранжированию

После обучения и развертывания модели LTR в Elasticsearch, её можно использовать в качестве реранкера в API поиска:

resp = client.search(
    index="my-index",
    query={
        "multi_match": {
            "fields": [
                "title",
                "content"
            ],
            "query": "the quick brown fox"
        }
    },
    rescore={
        "learning_to_rank": {
            "model_id": "ltr-model",
            "params": {
                "query_text": "the quick brown fox"
            }
        },
        "window_size": 100
    },
)
print(resp)

response = client.search(
  index: 'my-index',
  body: {
    query: {
      multi_match: {
        fields: [
          'title',
          'content'
        ],
        query: 'the quick brown fox'
      }
    },
    rescore: {
      learning_to_rank: {
        model_id: 'ltr-model',
        params: {
          query_text: 'the quick brown fox'
        }
      },
      window_size: 100
    }
  }
)
puts response

const response = await client.search({
  index: "my-index",
  query: {
    multi_match: {
      fields: ["title", "content"],
      query: "the quick brown fox",
    },
  },
  rescore: {
    learning_to_rank: {
      model_id: "ltr-model",
      params: {
        query_text: "the quick brown fox",
      },
    },
    window_size: 100,
  },
});
console.log(response);

GET my-index/_search
{
  "query": { 
    "multi_match": {
      "fields": ["title", "content"],
      "query": "the quick brown fox"
    }
  },
  "rescore": {
    "learning_to_rank": {
      "model_id": "ltr-model", 
      "params": { 
        "query_text": "the quick brown fox"
      }
    },
    "window_size": 100 
  }
}

Оценки, возвращаемые моделями LTR, обычно несопоставимы с оценками запроса первого прохода и могут быть ниже, чем оценка без реранжирования. Это может привести к тому, что документ без реранжирования будет ранжироваться выше, чем документ с реранжированием. Чтобы этого избежать, параметр window_size является обязательным для реранкеров LTR и должен быть больше или равен from + size.

При предоставлении пагинации пользователям, window_size должен оставаться постоянным при прохождении каждой страницы путём передачи различных значений from. Изменение window_size может изменить лучшие совпадения, вызывая путаницу в результатах при переходе пользователя по страницам.

В зависимости от того, как обучена ваша модель, возможно, что модель вернёт отрицательные оценки для документов. Хотя отрицательные оценки недопустимы для извлечения и ранжирования на первом этапе, их можно использовать в реранкере LTR.