ElasticSearch第十一讲 ES检索评分score以及分数计算逻辑

最新推荐文章于 2024-08-22 22:48:15 发布

程序员路同学

最新推荐文章于 2024-08-22 22:48:15 发布

阅读量1.7k

点赞数

分类专栏： ElasticSearch 文章标签： elasticsearch java 大数据

鹿少年

本文链接：https://blog.csdn.net/huanglu0314/article/details/130301611

版权

ElasticSearch 专栏收录该内容

20 篇文章 8 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文深入探讨了ElasticSearch的评分机制，主要基于TF/IDF算法。TF（Term Frequency）衡量词条在文档中出现的次数，IDF（Inverse Document Frequency）评估词条的普遍性。还详细介绍了 IDF 的计算公式以及TF的计算公式，涉及到boost、k1、b等参数的影响。通过示例展示了如何计算文档的score，并指出字段长度对评分的影响。

摘要由CSDN通过智能技术生成

ES底层分数计算逻辑

relevance score算法，简单来说，就是计算出，一个索引中的文本，与搜索文本，他们之间的关联匹配程度。Elasticsearch使用的是 term frequency/inverse document frequency算法，简称为TF/IDF算法

Term frequency：搜索文本中的各个词条在field文本中出现了多少次，出现次数越多，就越相关

PUT /score/_doc/1
{
   
  "doc":"hello you, and world is very good"
  
}
PUT /score/_doc/2
{
   
  "doc"

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

程序员路同学

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

【ElasticSearch】es 使用function_score及soft_score定制搜索结果的分数

九师兄

05-19

1051

1.概述官网：https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-function-score-query.html 概述转载并且补充：使用function_score及soft_score定制搜索结果的分数太难了，没认真看 https://blog.csdn.net/lijingjingchn/article/details/106405577 https://www.yuque.com/luxiaoju.

elastic Search 初步之向量检索的数据写入及检索查询

热门推荐

qq_19598855的专栏

01-25

2万+

来自Optimizing Search Results in Elasticsearch with Scoring and Boosting 作者：Neil Alex 2015/03/18虽然es提供了高效的打分函数，但是在电商环境下还是不够用。大多数的用户还是关注排在前几名的结果，所以有灵活的打分机制尤为重要。如果能根据用户的需要展示搜索结果，那么转化率就尤其可观了。本文中，我们先来看看es默认的

Elasticsearch简单介绍

qq_41938541的博客

08-22

4427

SQL 适用于需要强一致性和复杂关系查询的场景，比如财务系统、事务型数据库。Elasticsearch 更适合大规模实时搜索、日志分析、全文检索等应用场景，具有高扩展性和近实时搜索能力。这两者可以互补使用，SQL 处理结构化数据，ES 提供搜索和分析。

ElasticSearch评分机制

theonlytao的博客

09-11

790

最近在业务开发的过程中，需要使用到ElasticSearch搜索引擎来优化我们的小搜索（其实也算不上），我们需要根据关键字搜索出匹配的人员信息和节点信息，我们当时业务的数据量大概在200MB左右，一开始其实完全使用数据库完成这个搜索，但是随着用户量的增大（大概后期一百万左右），使用数据库完成搜索的速度之慢令人发指，大概5s左右（主要业务场景中还需要较多的表连接，导致速度变慢），所以后来我们打算采用

elasticsearch[七]：ES评分规则详解[查询评分规则、自定义评分规则]

丨汀、的博客

01-17

3673

elasticsearch[七]：ES评分规则详解[查询评分规则、自定义评分规则]

ElasticSearch 之 _score

itigoitie的博客

07-19

1566

搜索排序是搜索引擎的核心工作之一，搜索排序的好坏影响着搜索质量的好坏。诸如ES、Solr等开源的搜索引擎，它们在默认情况下使用的都是相关性排序。那么什么是相关性呢？相关性指的是搜索结果和查询条件的相关程度，它是搜索质量的重要指标之一。就ES来说，搜索结果中的每个结果都有一个_score字段，ES默认按照相关性算法计算每个命中的文档的_score字段值，命中的文档按照该字段的值进行降序排列。......

ElasticSearch 学习5 之score

zhaofuqiangmycomm的博客

09-14

1241

ElasticSearch的评分计算

Rao的博客

07-29

951

ElasticSearch 搜素时会带有一个 _score 的数据，表示搜索出来的结果与参数之间的相关性本文内容 ElasticSearch 的三大评分原则 ElasticSearch 了解为什么这样评分 ElasticSearch 的文本评判基础算法 ElasticSearch 的评分原则检索词频率该词出现的频率越大，评分越高反向文档频率该词如果在该索引(表)中出现的频率很高，评分会随之降低也就是说，假如索引一共有 10 个数据，9个都含有 hello ，评分会降低字段.

Easy-Es是一款简化ElasticSearch搜索引擎操作的开源框架,全自动智能索引托管

04-21

Elasticsearch 国内顶尖elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用...

ElasticSearch(全文检索服务的安装和使用)

m0_71560190的博客

08-29

1246

ElasticSearch全文检索服务器的使用和集群搭建

ElasticSearch最佳入门实践（五十八）搜索相关参数梳理以及bouncing results问题解决方案

Fireworks

11-15

689

1、preference 决定了哪些shard会被用来执行搜索操作 _primary, _primary_first, _local, _only_node:xyz, _prefer_node:xyz, _shards:2,3 bouncing results问题，两个document排序，field值相同；不同的shard上，可能排序不同；每次请求轮询打到不同的replica shar...

elasticsearch评分所用到的算法

种一颗十年前的树

05-19

1287

1、算法介绍 relevance /ˈreləvəns/ score算法，简单来说，就是计算出，一个索引中的文本，与搜索文本，他们之间的关联匹配程度 Elasticsearch使用的是 term frequency /ˈfriːkwənsi/ /inverse document frequency算法，简称为TF/IDF算法 Term frequency：搜索文本中的各个词条在field文本中出现了多少次，出现次数越多，就越相关搜索请求：hello world doc1：hello you, and

Elasticsearch相关度评分算法

不见其长，日有所长

11-12

2056

elasticsearch打分解析

zhaokuner的专栏

05-12

916

默认得分按照逻辑关系命中后相加得分，查看数值，tfidf多少分，tfnorm归一化后多少分 GET / demo_index/ _search { explain": true, "query": { "match": { "title": "标题" } } } // explain": true 这个显示具体得分是如何来的权重多字段查询时权重 GET / demo_index / _search { "query": { "multi_match": { "

elasticsearch-查询平分排序

豆豆不在了

02-15

6760

ElasticSearch之score打分机制原理

scorpio的博客

09-20

3886

ElasticSearch之score打分机制原理

Elasticsearch：崭新的打分机制 - Learning To Rank (LTR)

Elastic 中国社区官方博客

04-22

5167

“学习排名 (Learning To Rank)” 功能处于技术预览版，可能会在未来版本中更改或删除。Elastic 将努力解决任何问题，但此功能不受官方 GA 功能的支持 SLA 的约束。：此功能是在版本 8.12.0 中引入的，并且仅适用于某些订阅级别。有关更多信息，请参阅。Learning To Rank (LTR) 使用经过训练的机器学习（ML）模型来构建搜索引擎的排名函数。通常，该模型用作第二阶段的重新排序器，以提高简单的第一阶段检索算法返回的搜索结果的相关性。