elasticsearch如何实现紧密度排序

  搜索引擎的核心思想是：针对用户输入的query，进行分词，然后按从倒排索引中匹配term，再基于如BM25等算法计算相关性，召回item。
  在搜索场景中，往往还有一个比较常见的需求：根据term间的紧密度进行排序。即：如果一个query包含两个或以上的term，如果一个doc中term间距离较近，则相似性分数应该更高。举例而言：系统中有如下几条数据，我们使得数据长度一致，避免tf-idf造成的影响:

1. 上海的汽车很多在市区
2. 上海市区的汽车有很多
3. 上海市区有很多的汽车

  如果搜索上海汽车，从直观而言，文档的匹配顺序也应该如上。但我们如果通过传统的match的方式来匹配，各term间是独立的，如下图，各个doc的相似性分数一致:

  上述需求可以通过短语匹配match_phrase的方式来实现，因为elasticsearch底层调用的是lucene，lucene做短语匹配时会根据term之间的距离进行打分，如图，可以看到匹配顺序和我们直观感觉保持一致:

  进一步探究，我们打开explain模式，查看打分细节，可以看到一个phraseFreq的得分项，该项为和短语相关的评分：

  在进行短语匹配，并考虑位置因素打分时，有一个比较重要的参数slop，该参数定义了term之间最大的距离差异，在一个doc中，如果query中两个term间的距离超过了该值，则认为该doc与query不相关，具体可参见短语模糊匹配。在紧密度排序实践中，可以根据实际情况合理设定该值，则在term距离未超过该值的doc中，term的距离也是相似性分数的一部分，初步实现了一个简单版本的紧密度排序。