SogouQ中如何计算查询词URL最优 Rank

这期内容当中小编将会给大家带来有关SogouQ中如何计算查询词URL最优 Rank，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

PS1: 日志原格式是GB2312编码, 一定要记得转成UTF-8

PS2: 日志格式和格式说明:

访问时间\t用户ID\t[查询词]\t该URL在返回结果中的排名\t用户点击的顺序号\t用户点击的URL,

这个格式有坑, 深坑:

"该URL在返回结果中的排名\t用户点击的顺序号"这两个字段之间的分割符并不是制表符\t, 而是空格

val sogouQRdd = sc.textFile("hdfs://node1:9000/sogouQ/input")sogouQRdd.cache    # 在下一次Action操作时, 将日志文件缓存到内存中

求出日志文件条目总数

val itemCountRdd = sogouQRdd.countitemCountRdd: Long = 1724264

对于每一个查询词, 求出该 URL 在返回结果中的排名为1, 且用户点击的顺序号为1的条目总数

这说明此次搜索结果的 URL 的 Rank 最优

val suitableRankRdd = sogouQRdd.filter(_.split('\t').length == 5).map(_.split('\t')).filter(_(3).split(' ')(0).toInt == 1).filter(_(3).split(' ')(1).toInt == 1).countsuitableRankRdd: Long = 279859

计算查询词 URL 最优 Rank 的频率:

最优Rank频率 = URL最优Rank次数 / 条目总数

suitableRankRdd / itemCountRdd = 0.1623

所以查询词 URL最优Rank 的频率为 16.23%

上述就是小编为大家分享的SogouQ中如何计算查询词URL最优 Rank了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注行业资讯频道。