Teljes szöveges keresés a Azure AI Keresés

A teljes szöveges keresés olyan információlekérési módszer, amely megfelel az indexben tárolt egyszerű szövegeknek. A "Hotelek San Diegóban a tengerparton" lekérdezési sztring alapján például a keresőmotor tokenizált sztringeket keres ezen kifejezések alapján. A vizsgálat hatékonyabbá tétele érdekében a lekérdezési sztringek lexikális elemzésen esnek át: az összes kifejezés alsóbb sorba helyezése, az olyan stopszavak eltávolítása, mint a "the", és a kifejezések primitív gyökéralakokra való csökkentése. Ha talál egyező kifejezéseket, a keresőmotor lekéri a dokumentumokat, relevancia szerinti sorrendbe rendezi őket, és a legjobb eredményeket adja vissza.

A lekérdezés végrehajtása összetett lehet. Ez a cikk azoknak a fejlesztőknek szól, akiknek mélyebb ismeretekre van szükségük a teljes szöveges keresés működéséről Azure AI Keresés. Szöveges lekérdezések esetén az Azure AI Keresés eredményesen biztosítja a várt eredményeket a legtöbb esetekben, de időnként előfordulhat, hogy valamilyen módon nem egyeznek a várt eredményekkel. Ezekben az esetekben a Lucene-lekérdezések végrehajtásának négy fázisában (lekérdezéselemzés, lexikális elemzés, dokumentumegyeztetés és pontozás) háttérrel azonosíthatja a lekérdezési paraméterek vagy indexkonfigurációk konkrét módosításait, amelyek a kívánt eredményt eredményezik.

Az architektúra áttekintése és diagramja

A lekérdezés végrehajtásának négy szakasza van:

1. Lekérdezés elemzése
2. Lexikális elemzés
3. Dokumentum lekérése
4. Pontozási rendszer

A teljes szöveges keresési lekérdezés a lekérdezés szövegének elemzésével kezdődik a keresési kifejezések és operátorok kinyeréséhez. Két elemző van, így a sebesség és az összetettség között választhat. A következő az elemzési szakasz, ahol az egyes lekérdezési kifejezések néha fel vannak bontva, és új formákra vannak újraalkotva. Ez a lépés segít szélesebb hálót vetni annak megállapítására, hogy mi tekinthető lehetséges egyezésnek. A keresőmotor ezután megvizsgálja az indexet, hogy megkeresse az egyező kifejezéseket tartalmazó dokumentumokat, és minden egyes egyezést pontozza. Az eredményhalmazt ezután az egyes egyező dokumentumokhoz rendelt relevanciapont alapján rendezi. A rangsorolt lista tetején lévőket a rendszer visszaadja a hívó alkalmazásnak.

Az alábbi ábra a keresési kérelmek feldolgozásához használt összetevőket mutatja be:

Keresési kérelem anatómiája

A keresési kérések a találathalmazban visszaadandó eredmény teljes specifikációját jelentik. Legegyszerűbb formájában üres lekérdezés, semmilyen feltétel nélkül. Egy reálisabb példa paramétereket, több lekérdezési kifejezést is tartalmaz, esetleg bizonyos mezőkre terjed ki, esetleg szűrőkifejezéssel és rendezési szabályokkal.

Az alábbi példa egy keresési kérés, amelyet a Azure AI Keresés a REST API:

POST /indexes/hotels/docs/search?api-version=2026-04-01
{
    "search": "Spacious, air-condition* +\"Ocean view\"",
    "searchFields": "description, title",
    "searchMode": "any",
    "filter": "price ge 60 and price lt 300",
    "orderby": "geo.distance(location, geography'POINT(-159.476235 22.227659)')", 
    "queryType": "full" 
}

Ebben a kérésben a keresőmotor a következő műveleteket hajtja végre:

1. Megkeresi azokat a dokumentumokat, ahol az ár legalább 60 usd, és nem éri el a 300 USD-t.

2. Végrehajtja a lekérdezést. Ebben a példában a keresési lekérdezés kifejezésekből és kifejezésekből áll: "Spacious, air-condition* +\"Ocean view\"" (A felhasználók általában nem írnak be írásjeleket, de ha belefogalmazzák a példába, elmagyarázhatjuk, hogyan kezelik az elemzők.)

   Ebben a lekérdezésben a keresőmotor megvizsgálja a "searchFields" mezőkben meghatározott leírás- és címmezőket azokban a dokumentumokban, amelyek tartalmazzák a kifejezést "Ocean view", illetve vagy a kifejezést "spacious", vagy azokat a kifejezéseket, amelyek az "air-condition" előtaggal kezdődnek. A "searchMode" paraméter bármely kifejezés (alapértelmezett) vagy mindegyik esetében használható, olyan esetekben, amikor nincs explicit módon szükség egy kifejezésre (+).

3. Az eredményül kapott szállodacsoportot egy adott földrajzi hely közelében rendeli meg, majd visszaadja az eredményeket a hívó alkalmazásnak.

A cikk nagy része a keresési lekérdezés feldolgozásáról szól: "Spacious, air-condition* +\"Ocean view\"". A szűrés és a rendezés hatókörön kívül esik. További információkért tekintse meg a Search API referenciadokumentációját.

1. szakasz: Lekérdezés elemzése

Mint megjegyeztük, a lekérdezési sztring a kérés első sora:

 "search": "Spacious, air-condition* +\"Ocean view\"", 

A lekérdezéselemző elválasztja az operátorokat (például * és + a példában) a keresési kifejezésektől, és a keresési lekérdezést egy támogatott típusú allekérdezésekre bontja:

• kifejezés-lekérdezése önálló kifejezésekhez (például tágas)
• idézett kifejezésekre vonatkozó lekérdezés (például óceánnézet)
• előtag lekérdezése olyan kifejezésekhez, ahol előtag műveleti jel * (például légkondicionálás)

A támogatott lekérdezéstípusok teljes listáját a Lucene lekérdezési szintaxisában találja.

Az allekérdezésekhez társított operátorok határozzák meg, hogy a lekérdezésnek "kell" vagy "teljesülnie" ahhoz, hogy egy dokumentum egyezésnek minősüljön. A +"Ocean view" operátornak köszönhetően a + "kötelező".

A lekérdezéselemző átalakítja az al lekérdezéseket egy lekérdezési fába (a lekérdezést jelképező belső struktúrába), amelyet a keresőmotornak ad át. A lekérdezési elemzés első szakaszában a lekérdezésfa a következőképpen néz ki:

Támogatott elemzők: Egyszerű és Teljes Lucene

Azure AI Keresés két különböző lekérdezési nyelvet tesz elérhetővé: simple (alapértelmezett) és full. A paraméter keresési kéréssel való beállításával queryType megadhatja a lekérdezéselemzőnek, hogy melyik lekérdezési nyelvet választja, hogy tudja, hogyan értelmezze az operátorokat és a szintaxist.

• Az egyszerű lekérdezési nyelv intuitív és robusztus, gyakran alkalmas a felhasználói beviteli as-is ügyféloldali feldolgozás nélküli értelmezésére. Támogatja a webes keresőmotorok által ismert lekérdezési operátorokat.

• A teljes Lucene lekérdezési nyelv, amelyet a beállítással queryType=fullkap, kibővíti az alapértelmezett egyszerű lekérdezési nyelvet, és további operátorok és lekérdezéstípusok, például helyettesítő, homályos, regex és mező hatókörű lekérdezések támogatását nyújtja. Az egyszerű lekérdezési szintaxisban küldött reguláris kifejezés például lekérdezési sztringként, nem pedig kifejezésként értelmezendő. A cikkben szereplő példakérés a Teljes Lucene lekérdezési nyelvet használja.

A searchMode hatása az elemzőre

Egy másik keresési kérelem paraméter, amely hatással van az elemzésre, a "searchMode" paraméter. A logikai lekérdezések alapértelmezett operátorát vezérli: bármely (alapértelmezett) vagy összes.

Ha a "searchMode=any" az alapértelmezett érték, akkor a szabad és a légkondicionáló közötti térelválasztó az OR (||), így a minta lekérdezési szöveg a következőnek felel meg:

Spacious,||air-condition*+"Ocean view" 

Az explicit operátorok, például +, egyértelműek a +"Ocean view" logikai lekérdezések szerkezetében (a kifejezésnek egyeznie kell ). Kevésbé nyilvánvaló, hogyan értelmezzük a fennmaradó kifejezéseket: tágas és légkondicionáló. A keresőmotor találjon olyan találatokat, amelyek óceánra néző, tágas és légkondicionáltak? Vagy meg kell találnia az óceáni kilátást, plusz a fennmaradó kifejezések egyikét?

Alapértelmezés szerint ("searchMode=any"), a keresőmotor feltételezi a szélesebb körű értelmezést. Bármelyik mezőnek egyeznie kell , az "vagy" szemantikát tükrözve. A korábban bemutatott kezdeti lekérdezésfa a két "kell" művelettel az alapértelmezett értéket jeleníti meg.

Tegyük fel, hogy most a "searchMode=all" értéket állítjuk be. Ebben az esetben a tér "és" műveletként van értelmezve. Az egyezésnek való minősítéshez mindkét fennmaradó feltételnek szerepelnie kell a dokumentumban. Az eredményként kapott minta lekérdezés a következőképpen lesz értelmezve:

+Spacious,+air-condition*+"Ocean view"

A lekérdezés módosított lekérdezési fája, amelyben egy egyező dokumentum mindhárom al lekérdezés metszéspontja, a következőképpen nézne ki:

2. szakasz: Lexikális elemzés

A lexikális elemzők a lekérdezésfa strukturálása után feldolgozzák a kifejezés- és kifejezés-lekérdezéseket . Az elemző elfogadja a szintaktikai elemző által adott szöveges bemeneteket, feldolgozza a szöveget, majd tokenizált kifejezéseket küld vissza, amelyeket a lekérdezési fába kell beépíteni.

A lexikális elemzés leggyakoribb formája a nyelvi elemzés, amely egy adott nyelvre vonatkozó szabályok alapján alakítja át a lekérdezési kifejezéseket. Ez a következőket foglalja magában:

• Lekérdezési kifejezés csökkentése egy szó gyökéralakjára.
• Nem alapvető szavak (stopwords, például "the" vagy "and" angol nyelven) eltávolítása.
• Összetett szó összetevőinek feltörése.
• Nagybetűs szó kisbetűssé alakítása.

Ezek a műveletek általában törlik a felhasználó által megadott szövegbevitel és az indexben tárolt kifejezések közötti különbségeket. Az ilyen műveletek túlmutatnak a szövegfeldolgozáson, és magában a nyelvben részletes ismereteket igényelnek. A nyelvi tudatosság ezen rétegének hozzáadásához az Azure AI Keresés támogatja a nyelvi elemzők hosszú listáját Lucene és Microsoft részéről.

A példánkban az elemzés előtt a kezdeti lekérdezési fa "Tágas" kifejezéssel rendelkezik, egy nagybetűs "S" és egy vesszővel, amelyet a lekérdezéselemző a lekérdezési kifejezés részeként értelmez (a vessző nem tekinthető lekérdezési nyelv operátorának).

Amikor az alapértelmezett elemző feldolgozza a kifejezést, kisbetűssé alakítja az "óceánra néző" és "tágas" szavakat, és eltávolítja a vessző karaktert. A módosított lekérdezési fa a következőképpen néz ki:

Az elemző viselkedésének tesztelése

Az elemző viselkedése az Analyze API használatával tesztelhető. Adja meg az elemezni kívánt szöveget, hogy lássa, milyen kifejezéseket hoz létre az adott elemző. Ha például látni szeretné, hogy a standard elemző hogyan dolgozza fel a "légkondicionáló" szöveget, a következő kérést állíthatja ki:

{
    "text": "air-condition",
    "analyzer": "standard"
}

A standard elemző a bemeneti szöveget a következő két tokenekre bontja, és ezeket olyan attribútumokkal látja el, mint a kezdő és záró eltérések (a találatok kiemeléséhez használatos), valamint a pozíciójuk (kifejezés-megfeleltetéshez használatos).

{
  "tokens": [
    {
      "token": "air",
      "startOffset": 0,
      "endOffset": 3,
      "position": 0
    },
    {
      "token": "condition",
      "startOffset": 4,
      "endOffset": 13,
      "position": 1
    }
  ]
}

A lexikális elemzés kivételei

A lexikális elemzés csak azokra a lekérdezéstípusokra vonatkozik, amelyek teljes kifejezéseket igényelnek, akár egy kifejezés-, akár egy szó-lekérdezésnél. Nem vonatkozik a hiányos kifejezéseket tartalmazó lekérdezéstípusokra – az előtagos lekérdezésre, a helyettesítő lekérdezésre és a regex lekérdezésre – vagy egy homályos lekérdezésre. Ezek a lekérdezéstípusok, beleértve a példánkban szereplő kifejezést air-condition* tartalmazó előtag lekérdezést, közvetlenül a lekérdezésfához kerülnek, megkerülve az elemzési szakaszt. Ezeknek a típusoknak a lekérdezési kifejezésein végrehajtott egyetlen átalakítás a kisbetűsítés.

3. szakasz: Dokumentumlekérés

A dokumentumlekérés az indexben egyező kifejezésekkel rendelkező dokumentumok keresésére utal. Ezt a szakaszt legjobban egy példán keresztül lehet értelmezni. Kezdjük a következő egyszerű sémával rendelkező szállodaindexkel:

{
    "name": "hotels",
    "fields": [
        { "name": "id", "type": "Edm.String", "key": true, "searchable": false },
        { "name": "title", "type": "Edm.String", "searchable": true },
        { "name": "description", "type": "Edm.String", "searchable": true }
    ] 
} 

Feltételezzük továbbá, hogy ez az index a következő négy dokumentumot tartalmazza:

{
    "value": [
        {
            "id": "1",
            "title": "Hotel Atman",
            "description": "Spacious rooms, ocean view, walking distance to the beach."
        },
        {
            "id": "2",
            "title": "Beach Resort",
            "description": "Located on the north shore of the island of Kauaʻi. Ocean view."
        },
        {
            "id": "3",
            "title": "Playa Hotel",
            "description": "Comfortable, air-conditioned rooms with ocean view."
        },
        {
            "id": "4",
            "title": "Ocean Retreat",
            "description": "Quiet and secluded"
        }
    ]
}

A kifejezések indexelésének menete

A lekérés megértéséhez segít megismerni az indexelés néhány alapjait. A tárolási egység egy invertált index, amely minden kereshető mezőhöz tartozik. Az invertált indexen belül az összes dokumentum összes kifejezésének rendezett listája található. Minden kifejezés megfelel azoknak a dokumentumoknak a listájára, amelyekben előfordul, amint az az alábbi példában is látható.

Ha fordított indexben szeretné létrehozni a kifejezéseket, a keresőmotor lexikális elemzést végez a dokumentumok tartalma felett, hasonlóan ahhoz, ami a lekérdezésfeldolgozás során történik:

1. A szövegbemenetek az elemzőhöz kerülnek, ahol kisbetűssé alakítják őket, eltávolítják az írásjeleket és további műveleteket végeznek az elemző konfigurációjától függően.
2. Tokenek a lexikális elemzés kimenetei.
3. A rendszer hozzáadja a kifejezéseket az indexhez.

Gyakori, de nem kötelező ugyanazokat az elemzőket használni a keresési és indexelési műveletekhez, hogy a lekérdezési kifejezések jobban hasonlítson az indexen belüli kifejezésekre.

Invertált index például dokumentumokhoz

A címmezőhöz visszatérve a fordított index a következőképpen néz ki:

A cím mezőben csak a szálloda jelenik meg két dokumentumban: 1 és 3.

A leírás mező esetében az index a következőképpen néz ki:

Lekérdezési kifejezések egyeztetése indexelt kifejezésekhez

A fenti invertált indexek alapján térjünk vissza a minta lekérdezéshez, és nézzük meg, hogyan találhatók egyező dokumentumok a példa lekérdezésünkhöz. Ne feledje, hogy a végső lekérdezési fa a következőképpen néz ki:

A lekérdezés végrehajtása során a rendszer egymástól függetlenül hajtja végre az egyes lekérdezéseket a kereshető mezőkön.

• A TermQuery, "tágas", megfelel az 1. dokumentumnak (Hotel Atman).

• A PrefixQuery, "légkondicionáló*", nem talál egyezést egyetlen dokumentumban sem.

  Ez a viselkedés néha összezavarja a fejlesztőket. Bár a légkondicionált kifejezés megtalálható a dokumentumban, az alapértelmezett elemző két kifejezésre osztja. Ne feledje, hogy a részleges kifejezéseket tartalmazó előtag-lekérdezések nem lesznek elemezve. Ezért a "légkondicionáló" előtaggal kapcsolatos kifejezések az invertált indexben vannak keresve, és nem találhatók.

• A PhraseQuery,"ocean view" megkeresi az "ocean" és a "view" kifejezéseket, és ellenőrzi a kifejezések közelségét az eredeti dokumentumban. Az 1., a 2. és a 3. dokumentum megfelel a lekérdezésnek a leírásmezőben. Figyelje meg, hogy a 4. dokumentumban az "óceán" kifejezés szerepel a címben, de nem tekinthető egyezésnek, mivel az "óceánnézet" kifejezést keressük, nem pedig az egyes szavakat.

Összességében a szóban forgó lekérdezéshez az 1, 2 és 3 dokumentum felel meg.

4. szakasz: Pontozás

A keresési eredményhalmaz minden dokumentuma relevanciapontot kap. A relevanciapont függvénye az, hogy magasabbra rangsorolja azokat a dokumentumokat, amelyek a keresési lekérdezés által kifejezett felhasználói kérdésekre a legjobban válaszolnak. A pontszám kiszámítása a megfelelt kifejezések statisztikai tulajdonságai alapján történik. A pontozási képlet középpontjában a kifejezés gyakorisága–inverz dokumentum gyakorisága (TF/IDF) áll. A ritka és gyakori kifejezéseket tartalmazó lekérdezésekben a TF/IDF előlépteti a ritka kifejezést tartalmazó eredményeket. Például egy hipotetikus indexben, amelyben az összes Wikipedia-szócikk szerepel, az elnök lekérdezésének megfelelő dokumentumokból az elnöknek megfelelő dokumentumok relevánsabbnak minősülnek, mint a dokumentumok, amelyeken megfeleltetik azokat.

Pontozási példa

Idézzük fel a példában szereplő lekérdezésnek megfelelő három dokumentumot:

search=Spacious, air-condition* +"Ocean view"  

{
  "value": [
    {
      "@search.score": 0.25610128,
      "id": "1",
      "title": "Hotel Atman",
      "description": "Spacious rooms, ocean view, walking distance to the beach."
    },
    {
      "@search.score": 0.08951007,
      "id": "3",
      "title": "Playa Hotel",
      "description": "Comfortable, air-conditioned rooms with ocean view."
    },
    {
      "@search.score": 0.05967338,
      "id": "2",
      "title": "Ocean Resort",
      "description": "Located on a cliff on the north shore of the island of Kauai. Ocean view."
    }
  ]
}

Az 1. dokumentum azért felelt meg a legjobban a lekérdezésnek, mert mind a tágas kifejezés, mind a szükséges kifejezés óceánnézete a leírás mezőben szerepel. A következő két dokumentum csak az ocean view kifejezésnek felel meg. Meglepődhet, hogy a 2. és a 3. dokumentum relevanciájú pontszámai eltérőek, annak ellenére, hogy ugyanúgy felelnek meg a lekérdezésnek. Ennek az az oka, hogy a pontozási képlet több összetevővel rendelkezik, mint a TF/IDF. Ebben az esetben a 3. dokumentum valamivel magasabb pontszámot kapott, mert leírása rövidebb. Ismerje meg Lucene gyakorlati pontozási képletét , amelyből megtudhatja, hogy a mezőhossz és más tényezők hogyan befolyásolhatják a relevanciapontszámot.

Egyes lekérdezéstípusok (helyettesítő karakterek, előtagok és regex) mindig állandó pontszámot ad a teljes dokumentum pontszámához. Ez lehetővé teszi, hogy a lekérdezésbővítésen keresztül talált találatok a rangsorolás befolyásolása nélkül szerepeljenek az eredményekben.

Egy példa bemutatja, miért fontos ez. Helyettesítő karakterekkel történő keresések, beleértve az előtag alapú kereséseket is, definíció szerint ambivalensek, mivel a bemenet egy részleges karaktersorozat, amely nagyon sok különböző kifejezéssel egyezhet. Mérlegelje a "tour*" bemenetet, amely találatokat ad, mint a "tours", a "tourettes" és a "tourmaline". Az eredmények természetéből adódóan nem lehet ésszerűen következtetni arra, hogy mely kifejezések értékesebbek másoknál. Ezért figyelmen kívül hagyjuk a kifejezés gyakoriságát a helyettesítő karakterek, előtagok és reguláris kifejezések típusú lekérdezések pontozásakor. Egy részleges és teljes kifejezéseket tartalmazó többrészes keresési kérelemben a részleges bemenet eredményei állandó pontszámmal vannak beépítve, hogy elkerüljék a potenciálisan váratlan találatok felé irányuló elfogultságokat.

Relevancia finomhangolása

A relevanciapontszámokat kétféleképpen hangolhatja a Azure AI Keresés:

• A pontozási profilok egy szabálykészlet alapján javítják a dokumentumok helyezését a rangsorolt találatok listájában. A példánkban a címmezőben egyező dokumentumokat relevánsabbnak tekinthetjük, mint a leírás mezőben egyező dokumentumokat. Továbbá, ha az indexünk minden szállodához rendelkezik ármezővel, alacsonyabb árakkal reklámozhatnánk a dokumentumokat. További információ a pontozási profilok keresési indexhez való hozzáadásáról.

• A kifejezésfokozás (csak a Teljes Lucene lekérdezési szintaxisban érhető el) olyan növelő operátort ^ biztosít, amely a lekérdezésfa bármely részére alkalmazható. A példánkban a légkondicionáló előtag*keresése helyett a légkondicionáló vagy az előtag pontos kifejezésére is rákereshet, de a pontos kifejezéssel egyező dokumentumok rangsorolása a következő kifejezésre való kiemeléssel érhető el: légkondicionáló^2||légkondicionáló*. További információ a lekérdezések kifejezésnöveléséről.

Pontozás elosztott indexben

A Azure AI Keresés összes indexe automatikusan több szegmensre oszlik, így a szolgáltatás vertikális felskálázása vagy leskálázása során gyorsan eloszthatjuk az indexet több csomópont között. Ha egy keresési kérelmet adnak ki, azt az egyes shardokra önállóan indítják. Az egyes szegmensek eredményei ezután egyesülnek, és pontszám alapján vannak rendezve (ha nincs más rendezés definiálva). Fontos tudni, hogy a pontozó függvény a lekérdezési kifejezés gyakoriságát az inverz dokumentum gyakoriságával súlyolja a szegmensen belüli összes dokumentumban, nem pedig az összes szegmensben!

Ez azt jelenti, hogy egy relevanciapont eltérő lehet az azonos dokumentumok esetében, ha különböző szegmenseken találhatók. Szerencsére az ilyen különbségek általában eltűnnek, mivel az indexben lévő dokumentumok száma egyenletesebb kifejezéseloszlás miatt nő. Nem lehet feltételezni, hogy egy adott dokumentum melyik szegmensére kerül. Ha azonban egy dokumentumkulcs nem változik, az mindig ugyanahhoz a szegmenshez van rendelve.

A dokumentumpontszám általában nem a legjobb attribútum a dokumentumok megrendeléséhez, ha a sorrend stabilitása fontos. Ha például két dokumentum azonos pontszámmal rendelkezik, nem garantálható, hogy az egyik előbb megjelenik ugyanannak a lekérdezésnek a későbbi futtatásaiban. A dokumentum pontszámának csak az eredményekhalmaz többi dokumentumához viszonyítva kell általánosan érzékelnie a dokumentum relevanciáját.

Következtetés

A kereskedelmi keresőmotorok sikere növelte a magánadatok teljes szöveges keresésére vonatkozó elvárásokat. Szinte bármilyen keresési élmény esetén elvárjuk, hogy a motor megértse szándékunkat, még akkor is, ha a kifejezések hibásak vagy hiányosak. Előfordulhat, hogy az egyezések olyan közel azonos kifejezések vagy szinonimák alapján lesznek meghatározva, amelyeket soha nem határoztunk meg.

Technikai szempontból a teljes szöveges keresés rendkívül összetett, kifinomult nyelvi elemzést és szisztematikus feldolgozást igényel a lekérdezési kifejezések lepárlásával, kibontásával és átalakításával, hogy releváns eredményt adjon. Az eredendő összetettségek miatt számos tényező befolyásolhatja a lekérdezés kimenetelét. Ezért a teljes szöveges keresés mechanikája megértéséhez szükséges idő befektetése kézzelfogható előnyökkel jár, ha váratlan eredményeken próbál dolgozni.

Ez a cikk a Azure AI Keresés kontextusában vizsgálta meg a teljes szöveges keresést. Reméljük, hogy elegendő hátteret biztosít a gyakori lekérdezési problémák megoldásának lehetséges okainak és megoldásainak felismeréséhez.

Következő lépések

• Hozza létre a mintaindexet, próbálja ki a különböző lekérdezéseket, és tekintse át az eredményeket. Útmutatásért lásd: A Azure portálon található index létrehozása és lekérdezése.

• Próbálkozzon más lekérdezési szintaxisokkal a Search Documents példa szakaszból vagy a Egyszerű lekérdezési szintaxis a Keresés kezelőben az Azure portálon.

• Tekintse át a pontozási profilokat , ha szeretné finomhangolni a rangsorolást a keresőalkalmazásban.

• Nyelvspecifikus lexikális elemzők alkalmazása.

• Egyéni elemzőket konfigurálhat minimális feldolgozáshoz vagy speciális feldolgozáshoz adott mezőkön.

Kapcsolódó tartalom

• Dokumentumok keresése REST API

• Egyszerű lekérdezési szintaxis

• Teljes Lucene lekérdezési szintaxis

• Keresési eredmények kezelése