我正在尝试为演示构建一个ranker。我做了"自动训练"，结果还可以(可能会更好)我正试图进行手动培训，但我对Bluemix在线文档中参数的含义感到困惑：https://www.ibm.com/watson/developercloud/doc/retrieve-rank/training_data.shtml#manual
请在下面的Bluemix样本数据中解释一下好吗？
query_id, feature1, feature2, feature3,...,ground_truth
question_id_1, 0.0, 3.4, -900,...,0
question_id_1, 0.5, -70, 0,...,1
question_id_1, 0.0, -100, 20,...,3
...
什么是query__id？(它代表什么？)什么是功能1，功能2？(它代表什么？)什么是questionid_1？(它代表什么？)以及如何计算这些分数(0.0、3.4、-900)？
我知道ground_truth值必须从0到4(0表示根本不相关，4表示完全匹配)，这是正确的吗？
亲切问候Xavier
训练数据用于训练从学习到排序(L2R)算法。L2R方法是首先获取响应于query(又称问题)生成的candidate answers(例如，搜索结果页面中的文档)的列表，并将每个query-answer pair表示为一组特征。每个特征都有望捕捉到特定候选答案与查询匹配程度的一些表示。训练数据中的每一行表示属于这些查询-答案对之一的特征值。
因为训练数据包含来自许多不同查询(以及相应的搜索结果)的特征向量，所以第一列使用查询id将响应于单个查询生成的不同候选答案联系在一起。
正如您所说，最后一列简单地捕捉了人类注释者是否相信答案实际上与问题相关。0-4不是强制性的。0总是表示不相关。但在那之后，你可以使用任何对你的用例有意义的量表(当数据有限时，人们通常只使用0-1的二进制量表，因为这会降低复杂性)。
您引用的文档页面上提供的python脚本实际上将在给定包含不同查询的文件的情况下，完成生成候选答案和相应特征向量的过程。您可能希望逐步了解该脚本中的代码，以便更好地了解如何创建训练数据。