ご覧のページは、お客様の利便性のために一部機械翻訳されています。また、ドキュメントは頻繁に更新が加えられており、翻訳は未完成の部分が含まれることをご了承ください。最新情報は都度公開されておりますため、必ず英語版をご参照ください。翻訳に問題がある場合は、こちらまでご連絡ください。

Learning to Rank

Liferay Enterprise Search（LES）サブスクライバー

Elasticsearchのような検索エンジンには、一般的な検索目的に適した、適切に調整された関連性アルゴリズムがあります。

LES Learning to Rankは、機械学習を利用して検索結果のランキングを向上させます。データサイエンティストの専門知識と機械学習を組み合わせて、検索クエリに適用されるよりスマートなスコアリング関数を生成します。

LES Learning to Rankには、Liferay Enterprise Searchのサブスクリプションが必要です。 Elasticsearch Learning to Rank プラグインは Elastic によって作成されたものではなく、Liferay でサポートされているすべての Elasticsearch バージョン用のプラグインが事前に構築されているわけではないことを理解することが重要です。詳細については、 LES 互換性マトリックスを参照してください。

検索ページでのLearning to Rankを無効にする

ランク付けの学習は、ソートウィジェットでは機能しません。

LES Learning to Rankがデプロイされているが、（おそらくはソートウィジェットを使用するために）特定の検索ページで無効にする必要がある場合、

検索ページに低レベル検索オプションウィジェットを追加します。
クリックしてウィジェットの設定画面を開きます

このページでは、低レベル検索オプションを設定します。
［除外する貢献者］フィールドに、次のように入力します

com.liferay.portal.search.learning.to.rank

これで、ページの検索バーに入力されたクエリに対し、Learning to Rankの再スコアリングプロセスがスキップされます。その結果は並べ替え可能で、デフォルトの関連性アルゴリズムを使用して返されます。

前提条件

Learning to Rankを使用して、Elasticsearchに送信されたLiferayクエリを再スコアリングするには、いくつかの前提条件があります。

Learning to Rank には Liferay Enterprise Search (LES) サブスクリプションが必要です。サブスクリプションを取得したら、 Liferay Enterprise Search Learning to Rank LPKG ファイルをダウンロードし、インストールします。

注

Liferay DXP 7.4より、Liferay Enterprise Search (LES)アプリケーションは、すべてのLiferay DXPバンドルとDockerコンテナに含まれています。詳細については、 LES のアクティブ化を参照してください。
データがインデックス化されているリモートのElasticsearchサーバー。
Elasticsearch にインストールされた Elasticsearch Learning to Rank プラグインの対応するバージョン。
トレーニング済みモデルが Learning to Rank プラグインにアップロードされました。

技術概要

通常の検索では、ユーザーは Liferay DXP の検索バーを介して検索エンジンにクエリを送信します。返される結果の順序は、検索エンジンの関連性スコアリングアルゴリズムによって決まります。

ここで、Learning to Rankが介入し、そのプロセスが変わります。

ユーザーが検索バーにクエリを入力します。
LiferayはクエリをElasticsearchに送信し、検索エンジンの関連性アルゴリズムを使用して、通常どおり最初の1000件の結果を取得します。
上位 1000 件の結果は検索ヒットとして返されませんが、Elasticsearch によって再スコアリングに再スコアリング機能を介して使用されます。
結果は SLTR クエリによって再スコアリングされます。これには、再スコアリングに使用するキーワードとトレーニング済みモデルが含まれます。
トレーニングされたモデルが結果を再ランク付けすると、Liferay の検索結果に新しい順序で返されます。

これは上に挙げたソート済みリストの中の小さな点にすぎませんが、このパラダイムでの作業の多くは、トレーニングされたモデルを作成して磨きをかけることです。それは本セクションの範囲外ですが、Liferayのクエリで機械学習の魅力を調和させるために、すべての要素を適切に整えるのに役立つ情報を以下に示します。以下は、モデルのトレーニングを構成する内容の概要です。

モデルトレーニング

優れた判断リストと優れた機能セットがLearning to Rankアルゴリズムに供給されると、有用なトレーニング済みモデルが生成されます（これはパズルの機械学習の部分です）。したがって、以下のものを組み立てる必要があります。

トレーニングモデルの作成に使用するLearning to Rankアルゴリズム。このデモでは RankLibを使用します。
検索結果の等級付けされたリストを含む判断リスト。アルゴリズムは、判断リストの順序に従ったモデルを生成します。
Learning to Rankアルゴリズムに渡すすべての機能を含む機能セット。判断リストと組み合わせて使用し、信頼できるモデルを作成します。この例では、Liferayの機能セットの例を示します。

判定リストは、評価された検索結果のリストです。

特徴は、よりスマートな方法で結果をスコア付けできる関数を作成するためにアルゴリズムが使用する変数です。十分な—または正しい—関連する機能を指定しないと、モデルは改善された結果を提供できるほど「スマート」になりません。

始める前に、Liferay と通信するリモート Elasticsearch クラスターが必要です。詳細については、検索エンジン互換性マトリックスを参照してください。

ヒント

提案を使用して、最も一般的なクエリを見つけます (これは、Learning to Rank モデルを作成するクエリを決定する 1 つの方法です)。

ステップ1：ElasticsearchにLearning to Rankプラグインをインストールする

Learning to Rank プラグインのインストール方法については、 Elasticsearch Learning to Rank プラグインのドキュメントを参照してください。

警告

Liferay DXP 7.2 を Elasticsearch 7.14+ で実行している場合、プラグインをインストールする前に、Liferay インストールに一致する JDK バージョンでコンパイルする必要があります。必要な手順と追加の背景情報については、この記事を参照してください。

インストールするプラグインのバージョンに応じて、次のようなコマンドを実行します。

./bin/elasticsearch-plugin install https://github.com/o19s/elasticsearch-learning-to-rank/releases/download/v1.5.7-es7.13.4/ltr-plugin-v1.5.7-es7.13.4.zip

Elasticsearch クラスターで X-Pack セキュリティを使用している場合は、追加の手順が必要になる場合があります。

ステップ2：モデルのトレーニングとアップロード

モデルのトレーニングに関する詳細な手順は、このガイドの範囲外です。トレーニングには、適切なツールとモデルを推奨できるデータサイエンティストの介入が必要です。自分に合ったものを使用してください。そうすることで、選択したトレーニングツールで使用して適切な検索結果を生成するモデルを生成できる判断リストと機能セットがほぼ確実にコンパイルされることになります。モデルを作成したら、それをLearning to Rankプラグインにアップロードします。

ステップ3：モデルをLearning to Rankプラグインにアップロードする

POST リクエストを使用してモデルをアップロードしますが、最初に _ltr インデックスと機能セットが Learning to Rank プラグインにアップロードされていることを確認してください。これらのタスクを簡単にするには、Kibana ( LES モニタリングウィジェット経由) を使用します。

_ltrインデックスがまだない場合は、作成してください。
```
PUT _ltr
```

_ltrインデックスに機能セットを追加します。この例では、セットはliferayと呼ばれています。

POST _ltr/_featureset/liferay
{
   "featureset": {
      "name": "liferay",
      "features": [
         {
         "name": "title",
         "params": [
            "keywords"
         ],
         "template": {
            "match": {
               "title_en_US": "{{keywords}}"
            }
         }
         },
         {
         "name": "content",
         "params": [
            "keywords"
         ],
         "template": {
            "match": {
               "content_en_US": "{{keywords}}"
            }
         }
         },
         {
         "name": "asset tags",
         "params": [
            "keywords"
         ],
         "template": {
            "match": {
               "assetTagNames": "{{keywords}}"
            }
         }
         }
      ]
   }
}

ここで使われている構文は必須ですので、注意してください。

トレーニング済みモデルを機能セットに追加します。

POST _ltr/_featureset/liferay/_createmodel
{
   "model": {
      "name": "linearregression",
      "model": {
         "type": "model/ranklib",
         "definition": """
   ## Linear Regression
   ## Lambda = 1.0E-10
   0:-0.717621803830712 1:-0.717621803830712 2:-2.235841905601106 3:19.546816765721594
   """
      }
   }
}

Liferay 自体では実行すべきことはあまりないので、これは高レベルの手順セットです。必要なものについて詳しくは、 Learning to Rank プラグインのドキュメントを参照してください。

ヒント

判定リストを作り直してください。