ParadeDB中more_like_this查询的评分机制问题解析

在ParadeDB 0.10.3版本中，用户在使用more_like_this功能时遇到了一个关键的技术问题。这个功能是ParadeDB提供的相似文档搜索能力，但当前实现中存在一个重要的限制条件需要开发者注意。

问题现象

当用户尝试执行如下查询时：

SELECT *
FROM mock_items
WHERE id @@@ paradedb.more_like_this(with_document_id => 3, with_min_term_frequency => 1)
LIMIT 1;

系统会抛出错误提示："MoreLikeThisQuery requires to enable scoring"。这意味着当前的查询缺少必要的评分机制支持。

技术背景

在搜索引擎的实现中，more_like_this这类相似性查询通常需要依赖文档评分机制来确定结果的相关性。ParadeDB底层使用tantivy作为搜索引擎，而tantivy的MoreLikeThisQuery实现强制要求启用评分功能。

解决方案

要解决这个问题，用户需要在查询中包含paradedb.score字段。正确的查询方式应该是：

SELECT *, paradedb.score()
FROM mock_items
WHERE id @@@ paradedb.more_like_this(with_document_id => 3, with_min_term_frequency => 1)
LIMIT 1;

深入分析

这个问题的根源在于tantivy的设计决策。MoreLikeThisQuery需要计算文档间的相似度分数，而这一计算过程依赖于评分机制。当查询中不包含评分字段时，tantivy会优化掉评分计算过程，导致MoreLikeThisQuery无法正常工作。

最佳实践

对于使用ParadeDB的开发者，建议：

1. 在使用more_like_this功能时始终包含评分字段
2. 对于需要性能优化的场景，可以考虑缓存评分结果
3. 在应用层处理评分结果的排序和过滤

未来展望

ParadeDB团队已经注意到这个问题，并计划在后续版本中改进错误处理机制，使得错误信息能够更清晰地传达给用户。同时也在考虑是否可以在引擎层面自动处理评分需求，简化用户的使用体验。

这个问题虽然看似简单，但反映了数据库系统设计中用户体验与底层实现之间的平衡考量，值得开发者深入思考。