es（八）——相关性

每个文档都有相关性评分，用一个相对的浮点数字段 “ _score ” 来表示
_score 的评分越高，相关性越高。

查询语句会为每个文档添加一个 _score 字段。评分的计算方式取决于不同的查询类型 – 不同的查询语句用于不同的目
的： fuzzy 查询会计算与关键词的拼写相似程度， terms 查询会计算 找到的内容与关键词组成部分匹配的百分比，但是一般
意义上我们说的全文本搜索是指计算内容与关键词的类似程度。

ElasticSearch的相似度算法被定义为 TF/IDF，即检索词频率/反向文档频率，包括一下内容：

• 检索词频率
  检索词在该字段出现的频率？出现频率越高，相关性也越高。
• 反向文档频率
  每个检索词在索引中出现的频率？频率越高，相关性越低。
• 字段长度准则
  字段的长度是多少？长度越长，相关性越低。

单个查询可以使用TF/IDF评分标准或其他方式，比如短语查询中检索词的距离或模糊查询里的检索词相似度。

相关性并不只是全文本检索的专利。也适用于 yes|no 的子句，匹配的子句越多，相关性评分越高。

如果多条查询子句被合并为一条复合查询语句，比如 bool 查询，则每个查询子句计算得出的评分会被合并到总的相关性评
分中。

理解评分标准

当调试一条复杂的查询语句时，想要理解相关性评分 _score 是比较困难的。ElasticSearch 在 每个查询语句中都有一个
explain参数，将 explain 设为 true 就可以得到更详细的信息。

增加一个 explain 参数会为每个匹配到的文档产生一大堆额外内容，

后返回值中的 _explanation 会包含在每一个入口，告诉你采用了哪种计算方式，并让你知道计算的结果以及其他详情：

重要： 输出 explain 结果代价是十分昂贵的，它只能用作调试工具 --千万不要用于生产环境。

第一部分是关于计算的总结。告诉了我们 “honeymoon” 在 tweet 字段中的检索词频率/反向文档频率或 TF/IDF， （这里的文
档 0 是一个内部的ID，跟我们没有关系，可以忽略。）

然后解释了计算的权重是如何计算出来的：

• 检索词频率::
  

• 反向文档频率:
  

• 字段长度准则:

  

提示： JSON形式的explain描述是难以阅读的 但是转成 YAML 会好很多，只需要在参数中加上 format=yaml