次の方法で共有

SharePoint で関連性を向上させるためのランク付けモデルのカスタマイズ

  • [アーティクル]

適用対象:SharePoint Server 2013 2013に適用される SharePoint Server 2016 2016に適用される SharePoint Server 2019 2019 に適用される Microsoft 365 の SharePoint Online SharePoint Online には適用されません

SharePoint のランク機能を使用して、ランク付けモデルをカスタマイズして、ランク スコア (関連性ランク) を正確に計算することで検索の関連性が向上します。

SharePoint では 4 つの方法で検索結果を並べ替えることができます。そのうちの 1 つはランク スコアです。 ランク スコアで検索結果を並べ替えると、SharePoint は検索結果セットの最上位に関連性の最も高い結果を配置します。

検索結果は、ランク付けモデルを使用して検索エンジンによって計算される特定の数値スコアである高ランクスコアを受け取る場合に関連します。 ランク付けモデルは、一連のランク機能を含む 1 つ以上のランク ステージの一覧です。 ランク付けモデルは、ランク付けモデルでランク付け機能として表されるさまざまな要因を使用して、検索エンジンが関連性ランクを計算する方法を定義します。 関連性ランクの計算に使用される要因には、次のものが含まれますが、これらに限定されません。

  • フルテキスト インデックスのクエリ用語の外観。ドキュメントのタイトルや本文などの情報が含まれます。
  • ドキュメントのファイルの種類や URL の長さなど、特定のアイテムに関連付けられたメタデータ。
  • 特定のアイテムを指している URL リンクに関連付けられたアンカー テキスト。
  • 各アイテムのユーザー クリックに関する情報。
  • ドキュメントの本文やタイトルのクエリ用語の近似。

SharePoint ランク付けモデル テンプレートに基づく、ランク付けモデルのカスタマイズの開始

カスタマイズを簡単にするには、最初に SharePoint の既定のランク付けモデルの 1 つをテンプレートとして使用します。 次に、そのランク付けモデルをデータ セットに合わせて変更します。

SharePoint には、既定で 14 種類のランク付けモデルが用意されています。 これらの ランク付けモデルとその目的の詳細については、「ランク付けモデル とは」(TechNet 上) を参照してください。

重要

2013 年 8 月の SharePoint の累積更新プログラムをインストールする場合は、カスタムのランク付けモデルのベース モデルとして、Search Ranking Model with Two Linear Stages を使用することをお勧めします。 Search Ranking Model with Two Linear Stages は、ニューラル ネットワークの第 2 ステージの代わりに、線形の第 2 ステージを備えた既定の検索モデルのコピーです。

次の Windows PowerShell コマンドレットを使用して、ランク付けモデルをカスタマイズします。

使用可能なすべてのランク付けモデルを一覧表示するには

  1. 管理者として SharePoint 管理シェル を開きます。
  2. Windows PowerShell コマンドレットの次のシーケンスを実行します。
$ssa = Get-SPEnterpriseSearchServiceApplication -Identity "Search Service Application"
$owner = Get-SPenterpriseSearchOwner -Level ssa
Get-SPEnterpriseSearchRankingModel -SearchApplication $ssa -Owner $owner

テンプレートとして使用する既定のランク付けモデルを取得するには

  1. 管理者として SharePoint 管理シェル を開きます。
  2. 次の一連の Windows PowerShell コマンドレットを実行します。 filename.xml は、ランク付けモデルを保存するファイルの名前です。
$ssa = Get-SPEnterpriseSearchServiceApplication
$owner = Get-SPenterpriseSearchOwner -Level ssa
$defaultRankingModel = Get-SPEnterpriseSearchRankingModel -SearchApplication $ssa -Owner $owner | Where-Object { $_.IsDefault -eq $True }
$defaultRankingModel.RankingModelXML > filename.xml

2013 年 8 月の SharePoint の累積更新プログラムをインストールする場合、次の手順を使用して、カスタムのランク付けモデルのテンプレートとして使用する、Search Ranking Model with Two Linear Stages を取得できます。

テンプレートとして使用する、Search Ranking Model with Two Linear Stages を取得するには

  1. 管理者として SharePoint 管理シェル を開きます。
  2. 次の一連の Windows PowerShell コマンドレットを実行します。 filename.xml は、ランク付けモデルを保存するファイルの名前です。
$ssa = Get-SPEnterpriseSearchServiceApplication
$owner = Get-SPenterpriseSearchOwner -Level ssa
$twoLinearStagesRankingModel = Get-SPEnterpriseSearchRankingModel -SearchApplication $ssa -Owner $owner -Identity 5E9EE87D-4A68-420A-9D58-8913BEEAA6F2
$twoLinearStagesRankingModel.RankingModelXML > filename.xml

カスタムのランク付けモデルを展開するには

  1. 使用可能なランク付けモデルの一覧から、テンプレートとして使用するランク付けモデルの GUID をコピーします。 (使用する Windows PowerShell コマンドレットのシーケンスについて 、使用可能なすべてのランク付けモデルを一覧表示するには を参照してください)。

  2. 手順 1 でコピーした guid for <GUID> を使用して、次の一連の Windows PowerShell コマンドレットを実行します。

    $ssa = Get-SPEnterpriseSearchServiceApplication
$owner = Get-SPenterpriseSearchOwner -Level ssa
$rm = Get-SPEnterpriseSearchRankingModel -Identity <GUID> -SearchApplication $ssa -Owner $owner
$rm.RankingModelXML > myrm.xml

  3. XML エディターで myrm.xml ファイルを編集します。 RankModel2Stage 要素とすべての RankingModel2NN 要素の id 属性に新しい GUID 値を使用する必要があります。 新しい GUID 値を取得するには、たとえば次の Windows PowerShell コマンド、 [guid]::NewGuid() を使用します。

  4. 次のコマンドを実行して、 New-SPEnterpriseSearchRankingModel コマンドレットを 使用して新しいランク付けモデルを作成します。

    $myRankingModel = Get-Content .\\myrm.xml
$myRankingModel = [String]$myRankingModel
$ssa = Get-SPEnterpriseSearchServiceApplication
$owner = Get-SPenterpriseSearchOwner -Level ssa
$newrm = New-SPEnterpriseSearchRankingModel -SearchApplication $ssa -Owner $owner -RankingModelXML $myRankingModel

ランク詳細

重要

ランク詳細および付随する ExplainRank ページは、ユーザー独自のカスタムのランク付けモデルのチューニングとデバッグの利便性と支援のみを目的として提供しています。 ランク詳細および付随する ExplainRank ページのコンテンツはサポート対象外で、将来のソフトウェア パッチおよび更新プログラムで予告なしに変更されることがあります。

ランク詳細は、指定されたユーザー クエリと一致する単一のアイテムに関して、ランク スコアの計算に関する詳細情報を提供する XML ドキュメントです。 ランク詳細は、 rankdetail と呼ばれる特殊な管理プロパティに格納されます。

ランク付けモデルの各ランク機能には、ランク スコアの計算の詳細を表すランクの詳細に、個別の XML ノードがあります。 ランク詳細は、検索結果が 100 アイテム以下のクエリに対してのみ提供されます。

概念上、ランク詳細の全体的な形式は、次の例のようになります。

<rank_log version='15.0.0000.1000' id='[internal guid of ranking model used for calculation]' >
    <query tree='[representation of user query used for ranking]'/>
    <stage type='linear'>
        [Details of rank calculation of the first ranking stage. One XML node for each rank feature.]
        <stage_model>
            [Definition of the first stage of the ranking model]
        </stage_model>
    </stage>
    <stage type='neural_net' >
        [Details of rank calculation of the second ranking stage. One XML node for each rank feature.]
        <stage_model>
            [Definition of the second stage of the ranking model]
        </stage_model>
    </stage>
</rank_log>

ランク詳細を取得するには、検索サービス アプリケーション (SSA) の管理者である必要があります。

ランク詳細を取得するには

  1. 管理者として SharePoint 管理シェル を開きます。
  2. 次の一連の Windows PowerShell コマンドレットを実行し、 <query_text> と <url> を実際の値に置き換えます。
$app = Get-SPEnterpriseSearchServiceApplication
$searchAppProxy =  Get-spenterprisesearchserviceapplicationproxy | Where-Object { ($_.ServiceEndpointUri.PathAndQuery -like $app.Uri.PathAndQuery)}
$request = New-Object Microsoft.Office.Server.Search.Query.KeywordQuery($searchAppProxy)
$request.ResultTypes = [Microsoft.Office.Server.Search.Query.ResultType]::RelevantResults
$request.QueryText = "<query_text> AND path:""<url>"""
$request.SelectProperties.Add("rankdetail")
$searchexecutor = new-Object Microsoft.Office.Server.Search.Query.SearchExecutor
$resultTables = $searchexecutor.ExecuteQuery($request)
$resultTables[([Microsoft.Office.Server.Search.Query.ResultType]::RelevantResults)].Table

ExplainRank ページを使用するランク スコア計算についての説明

SharePoint には、ExplainRank ページが用意されています。このページはレイアウト フォルダー ( <searchCenter>/_layouts/15/) にあります。 このページには、特定の検索クエリ、ドキュメント ID、およびオプションのランク付けモデル ID に基づいた、それぞれのランク機能のランク スコアに関する詳細な情報が含まれています。 この情報はランク詳細から取得されて解析されます。

ExplainRank ページには、次の URL でアクセスできます:http://<searchCenter>/_layouts/15/ExplainRank.aspx?q={x}&d={y}&rm={z}

各部分の意味は次のとおりです。

  • x は、検索クエリです。
  • y はドキュメント ID です。
  • z は、オプションのランク付けモデル ID です。 ランク付けモデル ID が指定されていない場合、既定のランク付けモデルが使用されます。

ランク詳細の場合と同様に、 ExplainRank ページを参照するには、Search Service アプリケーション (SSA) の管理者でなければなりません。

ランク付け機能を使ったランク付けモデルのチューニング

ランク機能は、ランク付けモデルの調整ダイヤルのような働きをします。 次からの各セクションでは、既定の SharePoint ランク付けモデルで使用可能なランク機能と、ランク機能が関連性ランクの計算にどのように関係するかを説明します。

BM25

BM25 ランク機能は、フルテキスト インデックスのクエリ用語の見た目に基づいて、ライテムをランク付けします。 BM25 に対する入力には、フルテキスト インデックスの管理プロパティのどれでも使用できます。

注:

このコンテキストで使われる BM25 ランク機能は、フィールド バージョン (BM25F) です。

BM25 ランク機能は、次の式を使用して関連性ランク スコアを計算します。

BM25 ランク機能の BM25 式

ここで、

  • D は、タイトルや本文など、テキスト フィールドの一覧として表されるドキュメントです。
  • Q は、クエリ用語 t のリストとして表されるユーザー クエリです。
  • S は、関連性ランク付けに関連するフィールドのリストを定義します。このリストは、ランク付けモデルによって定義されます。
  • _w_f は、フィールド f ∈ S の相対的な重みを定義する数値です。この値は、ランク付けモデルによって定義されます。
  • _b_bf は、各フィールド f ∈ S のドキュメント長の正規化を定義する数値です。
  • _TF_f (t,D) は、ドキュメント D のフィールド f におけるクエリ用語 t の出現回数です。
  • _DL_DLf (D) は、ドキュメント D のフィールド f におけるワード総数です。
  • N は、インデックス内のドキュメントの合計容量です。
  • _n_Nt は、プロパティの少なくとも 1 つに t という用語があるドキュメントの容量です。
  • _AVDL_AVDLf は、すべてのインデックス付きドキュメント全体の平均 _DL_f (D) です。
  • _k_k1 は、スカラー パラメーターです。この値は、ランク付けモデルによって定義されます。

BM25 ランク機能に対してしようされる管理プロパティを、[ 検索可能の詳細設定の選択] UI の既定のフルテキスト インデックスにマッピングする必要があります。

ユーザー クエリ内では、次の演算子の含まれるクエリ用語が、関連性ランク計算から除外されます。FQL のNOT(???)、KQL の NOT(???)、FQL の FILTER(???) です。

さらに、 title:apple AND body:orangeなど、スコープ内にあるクエリ用語は、関連性ランクの計算から除外されます。

BM25 ランク機能の定義例

<BM25Main name="ContentRank" k1="1">
    <Layer1Weights>
        <Weight>0.26236235707678</Weight>
    </Layer1Weights>
    <Properties>
        <Property name="body" w="0.019391078235467" b="0.44402228898786156" propertyName="body" />
        <Property name="Title" w="0.36096989709360422" b="0.38179554361297785" propertyName="Title" />
        <Property name="Author" w="0.15808522836934547" b="0.13896219383271818" propertyName="Author" />
        <Property name="Filename" w="0.15115036355698144" b="0.96245017871125826" propertyName="Filename" />
        <Property name="QLogClickedText" w="0.3092664171701901" b="0.056446823262849853" propertyName="QLogClickedText" />
        <Property name="AnchorText" w="0.021768362296187508" b="0.74173561196103566" propertyName="AnchorText" />
        <Property name="SocialTag" w="0.10217215754116529" b="0.55968554315932328" propertyName="SocialTag" />
    </Properties>
</BM25Main>

BM25 ランク機能のランク詳細例

<bm25 name='ContentRank'>
<schema pid_mapping='[1:content::7:%default] [2:content::1:%default] [3:content::5:%default] [56:content::2:%default] [100:content::3:link] [10:content::6:link] [264:content::14:link] ' pids_not_mapped=''/>
<query_term term='WORDS(content:integration, content:integrations, content:integrations)'>
    <index name='content' N='10035' n='8'
           avdl='1 2.98018 2.00427 1 1 2.39394 1 637.308 1 1 1 1 1 1 1 1 '>
        <group id='%default'
               ext_doc_id='55' int_doc_id='16' precalc='0' tf_prime='0.500486' weight='1'
               tf='0 1 1 0 0 0 0 11 0 0 0 0 0 0 0 0 '
               dl='0 4 9 0 0 2 0 1291 0 0 0 0 0 0 0 0 '/>
        <group id='link'/>
    </index>
    <rank score='2.37967' score_acc='2.37967' term_weight='7.13439'/>
</query_term>

<query_term term='WORDS(content:effort, content:efforts, content:efforts)'>
    <index name='content' N='10035' n='9'
           avdl='1 2.98018 2.00427 1 1 2.39394 1 637.308 1 1 1 1 1 1 1 1 '>
        <group id='%default'/>
        <group id='link'/>
    </index>
    <rank score='0' score_acc='2.37967' term_weight='7.01661'/>
</query_term>

<query_term term='PHRASE(content:fastserver, content:plugin)'>
    <index name='content' N='10035' n='3'
           avdl='1 2.98018 2.00427 1 1 2.39394 1 637.308 1 1 1 1 1 1 1 1 '>
        <group id='%default'
               ext_doc_id='55' int_doc_id='16' precalc='0' tf_prime='0.0399696' weight='1'
               tf='0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 '
               dl='0 4 9 0 0 2 0 1291 0 0 0 0 0 0 0 0 '/>
        <group id='link'/>
    </index>
    <rank score='0.311896' score_acc='2.69157' term_weight='8.11522'/>
</query_term>
<final score='2.69157' transformed='2.69157' normalized='2.69157' hidden_nodes_adds='0.706166 '/>
</bm25>

重みグループ

カスタム ランキング モデルでは、検索スキーマ内の同じ重みグループにマッピングされる管理プロパティを 2 つ以上持つことができます。 このような場合、これらの管理プロパティの内容は、フルテキスト インデックスと組み合わされ、BM25 の計算で個別にランク付けすることはできません。 この効果は、検索スキーマ内の同じ重みグループにマップされた、管理プロパティの各グループ内の_w_fパラメーターと_b_f パラメーターに等しい値を設定する場合と同じです。 これを防ぐため、管理プロパティを、検索スキーマ内で使用可能な 16 の異なる重みグループのいずれかにマッピングしてください。

重みグループは、コンテキストとも呼ばれています。 管理プロパティとそのコンテキストの関係の詳細については、「検索スキーマ (TechNet 上) を 使用した検索結果のランク付 けの影響」を参照してください。

静的

静的ランク機能は、検索インデックスに保存されている管理プロパティの数値に基づいてアイテムをランク付けします。 静的ランク特徴の関連性ランクの計算に使用される数値管理プロパティは 整数 型で、検索スキーマで [絞り込み可能] または [ 並べ替え可能 ] に設定する必要があります。 複数の値をもつ管理プロパティを静的ランク機能と組み合わせて使用することは使用できません。

静的ランク機能を他のランク機能と集約する前に、各静的ランク機能は 1 回の変換により事前処理されます。 表 1 に、サポートされているすべての変換関数を一覧表示します。

表 1. 静的ランク機能と近接ランク機能でサポートされる変換関数

ランク付け機能に合わせて関数を変換

静的ランク機能の定義例

<Static name="clickdistance" default="5" propertyName="clickdistance">
    <Transform type="InvRational" k="0.27618729159042193" />
    <Layer1Weights>
        <Weight>0.616326852981262</Weight>
    </Layer1Weights>
</Static>

静的ランク機能のランク詳細例

<static_feature name='clickdistance' property_name='clickdistance'
    used_default='1' raw_value='5' raw_value_transformed='5'
    transformed='0.420003' normalized='0.420003'
    hidden_nodes_adds='0.258859 '/>

バケット処理された静的

バケット処理された静的ランク機能では、ファイル タイプと言語に基づいて、ドキュメントがランク付けされます。 ランク付けモデル内のバケット処理された静的ランク機能の定義は、ランク機能が線形モデルに含まれるか、ニューラル ネットワークに含まれるかによって決まります。 次の例は、線形モデルにのみ適用されます。 ニューラル ネットワークの場合、各バケットの <Add> 属性の数は、ニューラル ネットワーク内の非表示ノードの数と一致する必要があります。

バケット化された静的ランク機能の関連性ランクの計算に使用される管理プロパティは 、整数 型で、検索スキーマで [絞り込み可能] または [ 並べ替え可能 ] に設定する必要があります。 複数の値を持つ管理プロパティをバケット処理された静的ランク機能と組み合わせて使用することはできません。

ファイルの種類に対する、バケット処理された静的ランク機能定義の例

すべてのドキュメントには、コンテンツ処理コンポーネントが検出し、0 から始まる整数値として検索インデックスに格納するファイルの種類が関連付けられています。 バケット化された静的ランク機能を使用してファイルの種類に基づいてドキュメントをランク付けする場合、各ドキュメントの種類は特定の関連性ランク スコアに関連付けられます。 たとえば、次の定義では、バケット 2 は .ppt ドキュメントに対応します。ノード <Add>0.680984743282165</Add> は、すべての .ppt ドキュメントの関連性ランク スコアに追加される追加のランク ポイントを定義します。

<BucketedStatic name="InternalFileType" default="0" propertyName="InternalFileType">
    <Bucket name="Html" value="0">
        <HiddenNodesAdds>
            <Add>0.464062832328107</Add>
        </HiddenNodesAdds>
    </Bucket>
    <Bucket name="Doc" value="1">
        <HiddenNodesAdds>
            <Add>0.551558196047853</Add>
        </HiddenNodesAdds>
    </Bucket>
    <Bucket name="Ppt" value="2">
        <HiddenNodesAdds>
            <Add>0.680984743282165</Add>
        </HiddenNodesAdds>
    </Bucket>
    <Bucket name="Xls" value="3">
        <HiddenNodesAdds>
            <Add>-0.143152682829863</Add>
        </HiddenNodesAdds>
    </Bucket>
    <Bucket name="Xml" value="4">
        <HiddenNodesAdds>
            <Add>-1.29219869408375</Add>
        </HiddenNodesAdds>
    </Bucket>
    <Bucket name="Txt" value="5">
        <HiddenNodesAdds>
            <Add>-0.456669562992298</Add>
        </HiddenNodesAdds>
    </Bucket>
    <Bucket name="ListItems" value="6">
        <HiddenNodesAdds>
            <Add>0.170944938307345</Add>
        </HiddenNodesAdds>
    </Bucket>
    <Bucket name="Message" value="7">
        <HiddenNodesAdds>
            <Add>-0.0666769377412764</Add>
        </HiddenNodesAdds>
    </Bucket>
    <Bucket name="Image" value="8">
        <HiddenNodesAdds>
            <Add>0.106988843357609</Add>
        </HiddenNodesAdds>
    </Bucket>
</BucketedStatic>

ドキュメント言語に対する、バケット処理される静的ランク機能定義の例

コンテンツ処理コンポーネントは、各ドキュメントの言語を自動的に検出してから、ドキュメントを検索インデックスに追加します。 バケット処理された静的ランク機能を使って、言語に基づいてドキュメントをランク付けする場合、自動検出されたドキュメントの言語がクエリの言語と一致するかどうかに基づいて、ランク スコアの計算方法を定義できます。

クエリ実行時に、ユーザーの言語に関する情報が、クエリ プロパティとして検索エンジンに書き込まれます。

近接性

近接ランク機能は、フルテキスト インデックス内のクエリ用語間の距離に基づいて、アイテムをランク付けします。 2 つのクエリ用語がフルテキスト インデックス内の同じ管理プロパティ内に存在する場合、ランク スコアは大きく上昇します。 近接計算は、ディスク アクティビティおよび CPU 消費の観点から見るとコストがかかります。その結果、近接ブーストは既定の SharePoint ランク モデル (使用できる場合) の第 2 ステージ中にのみ実行されます。

表 2 に記述されている属性によって制御される、複数の異なるオプションを使用して、近接ランク機能を評価できます。

表 2. 近接ランク機能の評価を制御する属性

属性 説明
isExact=0
このモードの場合、近接アルゴリズムは、ドキュメント内のクエリ用語のサブセットの最小スパン (距離) の検索を試みます。
近接アルゴリズムでは、ユーザー クエリの表示順と同じ順番でクエリ用語が含まれるフラグメントが考慮されます。 すべてのクエリ用語に対してフラグメントがまったく存在しない場合、近接アルゴリズムは、フラグメントにクエリ用語が 1 つしか含まれないと見なします。 このプロセスは、フラグメントの長さが maxMinSpanを超えるまで、毎回減少するクエリ用語の数で反復処理されます。
maxMinSpan は近接ランク機能内の属性で、フラグメントの最大長を定義するしきい値を指定します。
理想的なフラグメントは、すべてのクエリ用語を含むが、 maxMinSpan未満のフラグメントです。
isExact=1
このモードでは、近接アルゴリズムは、すべてのクエリ用語 (またはクエリ フレーズ) を含む、ドキュメントの連続スニペットの検出を試みます。
isDiscounted
この属性は、 isExact=1 と isExact=0の両方に適用できます。 isDiscountedが有効になっている場合、近接値に次の分数が乗算されます。 (最適なフラグメントまたは正確なヒットの出現回数) を (このコンテキストで最もまれなクエリ用語の出現回数) で割ります。
proximity="complete"
このモードでは、近接ランク機能は、ユーザーのクエリ テキスト全体が特定の管理プロパティ内で発生するドキュメントだけをブーストします。
proximity="perfect"
このモードは complete モードに似ていますが、 タイトルなどの短いフィールドに適用されます。 近接ランク機能は、ユーザー クエリテキスト全体が特定の管理プロパティ内の title と正確に一致するドキュメントだけをブーストします。 title にユーザー クエリ以外の追加用語が含まれる場合、近接アルゴリズムでこのアイテムは考慮されません。
default
この属性は、単一用語クエリにだけ適用されます。 クエリ用語を含む項目の場合、近接ランク機能によって出力されるランク スコアとして default 値が使用されます。
perfect近接性は、この規則の例外です。 perfect 近接の場合、既定値が使用されることはありません。 その代わり、単一用語クエリが他のクエリと同じように処理されます。

近接ランク機能の定義例

次の例は、既定の SharePoint ランク モデルから抜粋しました。 このモデルの場合、近接機能は第 2 ステージ計算の一部にすぎません。この計算にはニューラル ネットワークが関与しています。 したがって、この例には、ニューラル ネットワークの隠れ層内のニューロンの数に対応する複数の重み要素 ( <LayerWeights>) が含まれています。

<MinSpan name="Title_MinSpanExactDiscounted" default="0.43654446989518952" maxMinSpan="1" isExact="1" isDiscounted="1" propertyName="Title">
    <Normalize SDev="0.20833333333333334" Mean="0.375" />
    <Transform type="Linear" a="1" b="0" maxx="10000" />
    <Layer1Weights>
        <Weight>0.0399835450090479</Weight>
        <Weight>-0.00693681478614802</Weight>
        <Weight>0.0286196612755843</Weight>
        <Weight>0.11775902923563</Weight>
        <Weight>0.0885860088190342</Weight>
        <Weight>0.102859503886488</Weight>
    </Layer1Weights>
</MinSpan>

近接ランク機能で使用される管理プロパティを、検索スキーマ内の既定のフルテキスト インデックスにマッピングする必要があります。

近接ランク機能のランク詳細例

<proximity_feature name='Title_MinSpanExactDiscounted' pid='2'
                   proximity_type='exact_discounted'
                   used_default='0' raw_value='0' transformed='0'
                   normalized='-1.8'
                   hidden_nodes_adds='-0.0719704 0.0124863 -0.0515154 -0.211966 -0.159455 -0.185147 ' />

Dynamic

動的ランク機能は、クエリ プロパティが指定された管理プロパティと一致するかどうかに応じて、アイテムをランク付けします。 一致がある場合、アイテムのランク スコアは特定の値と乗算され、対象となる特定のアイテムを識別します。 重み属性は、この機能がランク スコア全体にどの程度の影響を与えるかを制御します。

注:

動的ランク機能はカスタマイズできません。内部使用専用です。 ただし、2013 年 8 月の SharePoint 累積更新プログラムをインストールした場合、AnchortextComplete ランク機能は、既定のランク付けモデルに含まれるカスタマイズ可能な動的ランク機能になります。

動的ランク機能の定義例

<Dynamic name="AnchortextComplete" pid="501" default="0" property="AnchortextCompleteQueryProperty">
    <Transform type="Rational" k="0.91495552365614574" />
        <Layer1Weights>
            <Weight>0.715419978898093</Weight>
        </Layer1Weights>
</Dynamic>

Freshness

既定の SharePoint ランク付けモデルでは、検索結果の鮮度に基づいて検索結果のランクが上がりません。 これを実現するには、Freshness 変換関数を使用して 、LastModifiedTime 管理プロパティの情報と DateTimeUtcNow クエリ プロパティを組み合わせた新しい静的ランク機能を追加します。 鮮度変換関数は、アイテムの年齢を内部表現から日に変換するため、この鮮度ランク機能に使用できる唯一の変換です。

freshness 変換は、次の式に基づいています。

ランキング モデル用の更新式

ここで、

  • c と _y_futureは、ランク付けモデルで定義されます。
  • x は、アイテムの経過時間 (日数) です。
  • _y_futureの値は、 LastModifiedTime が現在の日付と時刻より大きい項目の鮮度ブーストを定義します。

freshness ランク機能の定義例

<Static name='freshboost' propertyName='LastModifiedTime' default='-1' convertPropertyToDatetime='1' rawValueTransform='compare' property='DateTimeUtcNow'>
    <Transform type="Freshness" constant="0.0333" futureValue="2" />
    <Layer1Weights>
        <Weight>1.0</Weight>
    </Layer1Weights>
</Static>

(約 580 日が経過した) 時間を経ているドキュメントを使った、freshness ランク機能のランク詳細例

<static_feature name='freshboost' property_name='LastModifiedTime' raw_value_transform='compare' used_default='0' property_value_found='1' property_value='9807115930137649186' raw_value='9.80661e+018' raw_value_transformed='-5.03135e+014' transformed='0.0490396' normalized='0.0490396' hidden_nodes_adds='0.0490396 '/>

新しいドキュメントを使用した鮮度ランク機能のランクの詳細の例 (< 1 日前)

<static_feature name='freshboost' property_name='LastModifiedTime' raw_value_transform='compare' used_default='0' property_value_found='1' property_value='9807115934928966979' raw_value='9.80712e+018' raw_value_transformed='-2.55529e+011' transformed='0.990248' normalized='0.990248'hidden_nodes_adds='0.990248 '/>

ランク機能の集約

ランク付けモデルは、ランク スコアの計算に関わると見なされる様々なランク機能から構成されます。

2 ステージのランク付けモデル

ランク付けモデルには 2 つのランク ステージが存在します。 最初のステージでは、ランク付けモデルは比較的コストが安い機能を適用して、結果のランク総計を取得します。 第 2 ステージでは、ランク付けモデルは追加のランク機能とより高額なランク機能を、最高のランク スコアが付けられたアイテムに適用します。

SharePoint の既定のランク付けモデルは、2 ステージのランク付けモデルの一例です。 このモデルでは、第 1 ステージによって得られた最高のランク スコアを持つ上位 1,000 個のアイテムで、第 2 ステージが実行されます。

第 1 ステージのランク付けプロセスが完了すると、第 2 ステージから除外されたアイテムを含め、検索エンジンがすべてのアイテムをソートし直します。 その結果、第 2 ステージのアイテムのランク スコアは、第 1 ステージのアイテムと比較した場合、通常は低くなります。

ただし、検索エンジンによりアイテムが正しくソートされたことを確認するには、第 2 ステージのアイテムのランク スコアは、第 1 ステージのアイテムよりも高い必要があります。 このジレンマを解決するため、第 2 ステージのランク スコアはブーストされます。 検索エンジンは、ランク機能の組み合わせに基づいて、計算を自動実行します。

注:

2013 年 8 月の SharePoint 累積更新プログラムをインストールしている場合、既定のランク付けモデルは線形の第 1 ステージとニューラル ネットワークの第 2 ステージを使用します。 Search Ranking Model with Two Linear Stages は、2 つの線形ステージを持つ既定の検索モデルのコピーです。 線型モデルはニューラル ネットワークを含むモデルと比べて調整が簡単なため、カスタムのランク付けモデルの基本モデルとして、このモデルを使用することをお勧めします。

線形モデル

線形モデルは、ランク機能から得られたランク スコアの線形の組み合わせを定義します。

線形モデルが提供するランク スコアは、次の式を使って計算されます。

ランキング モデル用のリニア モデル式

ここで、

  • score は、線型モデルが生成する出力ランク スコアです。
  • M は、バケット処理された静的ランク機能を除いた、ランク機能の数です。
  • K は、バケット処理された静的ランク機能の数です。
  • _f_j は、変換後の _j_ 番目の機能の値です。
  • _w_j は、線形結合に対する _j_ 番目の機能の貢献度です。

ニューラル ネットワーク

ニューラル ネットワークは、ランク機能から得られたランク スコアの非線形の組み合わせを定義します。 現在、SharePoint は、最大 8 つのニューロンを持つ 1 つの非表示レイヤーに制限されたニューラル ネットワークをサポートします。

ニューラル ネットワークが生成するランク付けスコアは、次の式を使用して計算されます。

ランキング モデル用のニューラル ネットワーク式

ここで、

  • score は、ニューラル ネットワークが生成する出力ランク スコアです。
  • N は、ニューラル ネットワークの非表示レイヤー内のニューロンの数です。
  • Mは、バケット処理された静的ランク機能を除いた、ランク機能の数です。
  • K は、バケット処理された静的ランク機能の数です。
  • _W_i は、_i_ 番目 の非表示ニューロンの貢献度です。
  • _t_i は、_i_ 番目の非表示ニューロンのしきい値です。
  • _W_i,j は、_i_ 番目の非表示ニューロンの _j_ 番目の機能の貢献度です。
  • _b_i,k is the addition from the _k_th bucketed static feature to _i_th hidden neuron.

2 層ニューラル ネットワークを使用したランク スコア計算の全体的なスキーマを次の図に示します。 この図では、変換や正規化を行わずに、カスタム値を非表示ノードに直接追加することでニューラル ネットワークに貢献するバケット化された静的ランク機能は考慮しません。

図 1. 2 つのレイヤーのニューラル ネットワークを使ったランク スコア計算の全体的なスキーマ

ランキング モデルにおけるニューラル ネットワーク

BM25 の事前計算と静的ランク機能

ランク付けモデルでは、アイテム内で頻繁に実行されるクエリ用語のクエリ遅延を改善するための事前計算を行うと、BM25 と静的ランク機能でメリットがあります。 このクエリ遅延の改善は、検索インデックスが使用するディスク容量と CPU の使用率の両方で、追加のインデックスを作成することで実現されます。

事前計算が使用できるのは、ランク付けモデルの第 1 ステージだけです。 そのため、事前計算が有効の場合、第 1 ステージのランク詳細は完了しません。

事前計算を有効にするには、ランク ステージ定義で precalcEnabled 属性を 1 に設定します。 ランク付けモデルでは、事前計算を 1 回だけ使用できます。

クエリ プロパティ

クエリ プロパティは、ランク スコアの計算に役立つ追加情報を設定するランク付けメカニズムです。 たとえば、クエリ プロパティには、クエリが実行された日時を指定できます。これは、鮮度ランク機能で使用できます。 表 3 に、ランク付けに使用できるクエリ プロパティの一覧を示します。 クエリ プロパティを構成することはできません。

表 3. ランク付け用のクエリ プロパティ

クエリ プロパティ 説明
AnchortextCompleteQueryProperty
 アンカー テキスト全体をブーストします。
DateTimeUtcNow
 現在の日付と時刻。 このクエリ プロパティは、freshness ランク機能で使うことができます。
DetectedLanguageRanking
 クエリ言語の ID。 このクエリ プロパティは、 DetectedLanguageRanking ランク機能によって使われます。
PersonalizationData
 個人用データをランク付けします。
RecommendedforQueryProperty
 ランクの推奨。

例 1: 単一の静的ランク機能を含む線形の 1 ステージを使用する基本ランク付けモデル

このランク付けモデルでは、顧客が CustomRating という名前の管理プロパティを作成したことを前提としています。 静的ランク機能では、 CustomRating が Integer のデータ型であり、検索スキーマで Sortable または Refinable として設定する必要があります。 結果セット内の各ドキュメントについて、このランク付けモデルが生成するランク スコアは、そのドキュメントの CustomRating の値と等しくなります。 このモデルの効果は、 CustomRating 管理プロパティのすべての検索結果の並び順 (降順) と似たものになります。

<?xml version="1.0"?>
<RankingModel2Stage name="RankModel1"
    description="Rank model -- example 1"
    id="D3FAF680-D213-4916-A95A-0409031643F8"
    xmlns="urn:Microsoft.Search.Ranking.Model.2NN">
    <RankingModel2NN id="619F2ECD-24F7-41CD-824C-234FC2EFDDCA" precalcEnabled="0" >
        <HiddenNodes count="1">
            <Thresholds>
                <Threshold>0</Threshold>
            </Thresholds>
            <Layer2Weights>
                <Weight>1</Weight>
            </Layer2Weights>
        </HiddenNodes>
        <RankingFeatures>
            <Static name="CustomRating" propertyName="CustomRating" default="0.0">
                <Transform type="Linear" a="1" b="0" maxx="1000"/>
                    <Layer1Weights>
                        <Weight>1.0</Weight>
                    </Layer1Weights>
            </Static>
        </RankingFeatures>
    </RankingModel2NN>
</RankingModel2Stage>

例 2: 1 つの線形ステージと 4 つのランク機能を持つ、より複雑なランク付けモデル

1 つの線形ステージがあるこのランク付けモデルには、以下の 4 つのランク機能が含まれています。

  • BM25このランク機能は、管理プロパティ Title と body に基づいています。title のw属性は、Title のクエリ用語のヒットが、本文内のクエリ用語のヒットよりも 2 倍 (2 倍) 重要になるように設定されます。

  • UrlDepth このランク付け機能は、SharePoint インストールで既定で使用できる UrlDepth 管理プロパティに基づいています。 UrlDepth には、ドキュメントの URL 内の円記号 (\) の数が含まれています。 逆有理 ( InvRational) 変換により、URL が短いドキュメントのランク スコアが高くなります。

  • TitleProximity このランク機能は、一部のクエリ用語がドキュメントの title 内で相互に近い場所で発生すると、ドキュメントをブーストします。

  • InternalFileType このランク機能は、HTML、DOC、XLS、または PPT の各タイプのドキュメントをブーストします。 ランク モデルの定義内のバケット名は、読みやすくするためだけに提供されます。

    注:

    既定で使用できる InternalFileType 管理プロパティは、値 0 ( 0) を使用して HTML ドキュメント、DOC の値 1 、XLS の値 2 などをエンコードします。 FileType 管理プロパティで使用されるすべてのファイル タイプの一覧については、既定の SharePoint ランク モデルの定義を参照してください。

<?xml version="1.0"?>
<RankingModel2Stage name=" RankModel2"
                    description="Rank model -- example 2"
                    id="DE48A3A1-67CE-44A2-9712-E8A5128787CF"
                    xmlns="urn:Microsoft.Search.Ranking.Model.2NN">
    <RankingModel2NN id="A0A030D1-805D-437E-A001-CC151ED7473A" precalcEnabled="0">
        <HiddenNodes count="1">
            <Thresholds>
                <Threshold>0</Threshold>
            </Thresholds>
            <Layer2Weights>
                <Weight>1</Weight>
            </Layer2Weights>
        </HiddenNodes>
        <RankingFeatures>
            <BM25Main name="BM25" k1="1">
                <Layer1Weights>
                    <Weight>1</Weight>
                </Layer1Weights>
                <Properties>
                    <Property name="Title" propertyName="Title" w="2" b="0.5" />
                    <Property name="body" propertyName="body" w="1" b="0.5" />
                </Properties>
            </BM25Main>
            <Static name="UrlDepth" propertyName="UrlDepth" default="1">
                <Transform type="InvRational" k="1.5"/>
                <Layer1Weights>
                    <Weight>0.5</Weight>
                </Layer1Weights>
            </Static>
            <MinSpan name="TitleProximity" propertyName="Title" default="0" maxMinSpan="1" isExact="0" isDiscounted="0">
                <Normalize SDev="1" Mean="0"/>
                <Transform type="Linear" a="1" b="-0.5" maxx="2"/>
                <Layer1Weights>
                    <Weight>1.2</Weight>
                </Layer1Weights>
            </MinSpan>
            <BucketedStatic name="InternalFileType" propertyName="InternalFileType" default="0">
                <Bucket name="http" value="0">
                    <HiddenNodesAdds>
                        <Add>1.5</Add>
                    </HiddenNodesAdds>
                </Bucket>
                <Bucket name="doc" value="1">
                    <HiddenNodesAdds>
                        <Add>2.5</Add>
                    </HiddenNodesAdds>
                </Bucket>
                <Bucket name="ppt" value="2">
                    <HiddenNodesAdds>
                        <Add>0.5</Add>
                    </HiddenNodesAdds>
                </Bucket>
                <Bucket name="xls" value="3">
                    <HiddenNodesAdds>
                        <Add>-3.5</Add>
                    </HiddenNodesAdds>
                </Bucket>
            </BucketedStatic>
        </RankingFeatures>
    </RankingModel2NN>
</RankingModel2Stage>

関連項目