ElasticSearch - function_score (field_value_factor具体实例)

阅读本文需要先了解function_score的相关知识，请看 ElasticSearch - function_score详解

1. 数据准备

首先准备数据和索引，在ES插入三条数据，其中title是text类型，like是integer类型(代表点赞量)。

{ "title": "ES 入门", "like": 2 }
{ "title": "ES 进阶", "like": 5 }
{ "title": "ES 最高难度", "like": 10 }

2. function_score （field_value_factor）示例

2.1 普通查询

先使用一般的query，查看普通的查询的评分会是如何：

GET 127.0.0.1/mytest/doc/_search
{
    "query": {
        "match": {
            "title": "ES"
        }
    }
}

"hits": [
    {
        "_score": 0.2876821,
        "_source": { "title": "ES 入门", "like": 2 }
    },
    {
        "_score": 0.20309238,
        "_source": { "title": "ES 进阶", "like": 5 }
    },
    {
        "_score": 0.16540512,
        "_source": { "title": "ES 最高难度", "like": 10 }
    }
]

2.2 function_score查询（field_value_factor）

2.2.1 field_value_factor

使用function_score的field_value_factor改变_score，将old_score乘上like的值。

{
    "query": {
        "function_score": {
            "query": {
                "match": {
                    "title": "ES"
                }
            },
            "field_value_factor": {
                "field": "like"
            }
        }
    }
}

"hits": [
    {
        "_score": 1.6540513, //原本是0.16540512
        "_source": { "title": "ES 最高难度", "like": 10 }
    },
    {
        "_score": 1.0154619, //原本是0.20309238
        "_source": { "title": "ES 进阶", "like": 5 }
    },
    {
        "_score": 0.5753642, //原本是0.2876821
        "_source": { "title": "ES 入门", "like": 2 }
    }
]

本来 "ES最高难度" 的score是0.16540512，经过field_value_factor的改变，乘上了那个文档中的like值(10)之后，新的score变为 1.6540513

2.2.2 max_boost

加上max_boost，限制field_value_factor的最大加强score。

GET 127.0.0.1/mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {
                "match": {
                    "title": "ES"
                }
            },
            "field_value_factor": {
                "field": "like"
            },
            "max_boost": 3
        }
    }
}

"hits": [
    {
        "_score": 0.6092771, //原本是0.20309238
        "_source": { "title": "ES 进阶", "like": 5 }
    },
    {
        "_score": 0.5753642, //原本是0.2876821
        "_source": { "title": "ES 入门", "like": 2 }
    },
    {
        "_score": 0.49621537, //原本是0.16540512
        "_source": { "title": "ES 最高难度", "like": 10 }
    }
]

可以看到“ES入门”的加强score是2，在max_boost限制裡，所以不受影响。而“ES进阶”和“ES最高难度”的field_value_factor函数产生的加强score因为超过max_boost的限制，所以被设为3。

2.2.3 field_value_factor中还支持 modifier、factor 参数

有时候线性的计算new_score = old_score * like值的效果并不是那麽好，field_value_factor中还支持 modifier、factor 参数，可以改变like值对old_score的影响。

modifier参数支持的值：

• none : new_score = old_score * like值

  默认状态就是none，线性。
  

• log1p : new_score = old_score * log(1 + like值)

  最常用，可以让like值字段的评分曲线更平滑。
  

• log2p : new_score = old_score * log(2 + like值)

• ln : new_score = old_score * ln(like值)

• ln1p : new_score = old_score * ln(1 + like值)

• ln2p : new_score = old_score * ln(2 + like值)

• square : 计算平方

• sqrt : 计算平方根

• reciprocal : 计算倒数

factor参数：
factor作为一个调节用的参数，没有modifier那麽强大会改变整个曲线，他仅改变一些常量值，设置factor>1会提昇效果，factor<1会降低效果。假设modifier是log1p，那麽加入了factor的公式就是new_score = old_score * log(1 + factor * like值)。

对刚刚的例子加上 modifier、factor参数的查询语句如下：

GET 127.0.0.1/mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {
                "match": {
                    "title": "ES"
                }
            },
            "field_value_factor": {
                "field": "like",
                "modifier": "log1p",
                "factor": 2
            }
        }
    }
}

2.2.4 boost_mode

就算加上了modifier，但是 “全文评分 与 field_value_factor函数值乘积” 的效果可能还是太大，我们可以通过参数boost_mode来决定 old_score 和 加强score 合併的方法。

• 如果将boost_mode改成sum，可以大幅弱化最终效果，特别是使用一个较小的factor时；
• 加入了boost_mode=sum、且factor=0.1的公式变为new_score = old_score + log(1 + 0.1 * like值)；

对刚刚的例子加上max_boost参数的查询语句如下：

GET 127.0.0.1/mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {
                "match": {
                    "title": "ES"
                }
            },
            "field_value_factor": {
                "field": "like",
                "modifier": "log1p",
                "factor": 0.1
            },
            "boost_mode": "sum"
        }
    }
}