背景：
我正在使用 Watson Retrieve and Rank/ 或 Discovery Service 从用户手册中检索信息。我使用 pdf 格式的示例洗衣机手册进行了培训。我的目标是从出现特定自然语言字符串的文档中获取最佳段落（例如“定位排水管”）。这通常是有效的。
我的问题是目录几乎总是得分最高的段落。因此，第一个结果只是目录而不是相关的文本段落。（见示例结果）
“错误”结果（目录）：
Unpacking the washing machine ----------------------------------------------------2 Overview of the washing machine --------------------------------------------------2 Selecting a location -------------------------------------------------------------------- 3 Adjusting the leveling feet ------------------------------------------------------------3 Removing the shipping bolts --------------------------------------------------------3 Connecting the water supply hose ------------------------------------------------- 3 Positioning the drain hose ----------------------------------------------------------- 4 Plugging in the machine
“正确”的结果
Positioning the drain hose The end of the drain hose may be positioned in three ways: Over the edge of a sink The drain hose must be placed at a height of between 60 and 90 cm. To keep the drain hose spout bent, use the supplied plastic hose
可能的解决方案
- 在培训过程中忽略目录
- 偏移参数，例如忽略前 3 个结果
- 找出结果是否是目录的一部分，如果是则忽略
这些方法是静态的，不适用于具有各种结构的多个文档（开头的目录/结尾的目录/没有目录，...）。
有人想更好地处理这个话题吗？