elasticsearch使用more_like_this实现基于内容的推荐

官网地址：https://www.elastic.co/guide/en/elasticsearch/reference/2.3/query-dsl-mlt-query.html

基于内容的推荐通常是给定一篇文档信息，然后给用户推荐与该文档相识的文档。Lucene的api中有实现查询文章相似度的接口，叫MoreLikeThis。Elasticsearch封装了该接口，通过Elasticsearch的More like this查询接口，我们可以非常方便的实现基于内容的推荐。

先看一个查询请求的json例子：

GET /mychat/mytype/_search
{
   "query":{   
        "more_like_this":{   
            "fields" : ["ask", "answer"],   
            "like_text" : "中国" ,
            "min_term_freq" : 1,
            "max_query_terms" : 12
        }   
    }  
}

其中：

fields是要匹配的字段，如果不填的话默认是_all字段

like_text是匹配的文本。

除此之外还可以添加下面条件来调节结果

percent_terms_to_match：匹配项（term）的百分比，默认是0.3

min_term_freq：一篇文档中一个词语至少出现次数，小于这个值的词将被忽略，默认是2

max_query_terms：一条查询语句中允许最多查询词语的个数，默认是25

stop_words：设置停止词，匹配时会忽略停止词

min_doc_freq：一个词语最少在多少篇文档中出现，小于这个值的词会将被忽略，默认是无限制

max_doc_freq：一个词语最多在多少篇文档中出现，大于这个值的词会将被忽略，默认是无限制

min_word_len：最小的词语长度，默认是0

max_word_len：最多的词语长度，默认无限制

boost_terms：设置词语权重，默认是1

boost：设置查询权重，默认是1

analyzer：设置使用的分词器，默认是使用该字段指定的分词器




下面介绍下如何用Java api调用，一共有三种调用方式，不过本质上都是一样的，只不过是做了一些不同程度的封装。

[java]  view plain  copy

1. MoreLikeThisRequestBuilder mlt = new MoreLikeThisRequestBuilder(client, "indexName", "indexType", "id");  
2. mlt.setField("title");//匹配的字段  
3. SearchResponse response = client.moreLikeThis(mlt.request()).actionGet();  

这种是在查询与某个id的文档相似的文档。这个接口是直接在client那调用的，比较特殊。还有两种就是构造Query进行查询

[java]  view plain  copy

1. MoreLikeThisQueryBuilder query = QueryBuilders.moreLikeThisQuery();  
2. query.boost(1.0f).likeText("xxx").minTermFreq(10);  

这里的boost、likeText方法完全和上面的参数对应的。下面这种就是把要匹配的字段作为参数传进来，参数和MoreLikeThisQueryBuilder是一样的。

[java]  view plain  copy

1. MoreLikeThisFieldQueryBuilder query = QueryBuilders.moreLikeThisFieldQuery("fieldNmae"); 
   

最后给一个创建索引的DSL语句：

{
    "settings": {
        "number_of_shards": 2,
        "number_of_replicas": 1
    },

    "mappings": {
        "chat_str": {
            "date_detection": false,
            "dynamic_templates": [{
                "es_string": {
                    "match": "*",
                    "match_mapping_type": "string",
                    "mapping": {
                        "type": "string",
                        "index": "analyzed",
                        "analyzer": "ik_max_word"
                    }
                }
            }],
            "properties": {
                "title": {
                    "type": "string",
                    "index": "analyzed",
                    "analyzer": "ik_max_word"
                },
                "content": {
                    "type": "string",
                    "index": "analyzed",
                    "analyzer": "ik_max_word"
                }
            }
        }
    }
}