Elasticsearch实战（二十一）---ES相关度分数评分优化及FunctionScore 自定义相关度分数算法

Elasticsearch实战—FunctionScore 自定义相关度分数算法

ES相关度评分算法调优

1. boost 增加权重
2. negative boost削弱权重
3. funciton_score自定义相关度分数算法

场景：
现在我想把 相关度分数和 文章的浏览量关联起来， 浏览量越大，分数越高，怎么实现， 就要用自定义分数算法

1.ES 自定义相关分数算法 Function Score

1.1 Function Score 原理

自定义分数计算方式， 定义function score 指定字段直接参与到相关度分数计算中，甚至可以替换掉ES的相关度算分,自定义分数算法有几个关键点

1. query内部使用 function_score 表明我要使用自定义相关度分数
2. function_score内部 使用 field_value_factor 表明参与到分数计算的字段 设置，及按照什么来计算等
3. function_score 的 field表示 对哪个字段进行积分
4. modifier表示 对哪个字段进行积分 比如 ln, log1p, log2p log 等等算式
5. factor 表示 对 你要计算的字段 field 的值 与 factor 相乘 处理
6. boost_mode表示 分数 旧分数和新分数 如何处理 累加/减/乘/除/max/min 等等
7. max_boost表示 限制计算出来的分数不要超过max_boost指定的值 , 不是最终得分不超过多少

上面讲了基本原理及参数，下面开始实战

1.2 准备数据

POST /saytest/_bulk
{"index" : { "_id" : "1" }}
{"countnum" : 10, "say" : "hello world"}
{"index" : { "_id" : "2" }}
{"countnum" : 20, "say" : "hello java"}
{"index" : { "_id" : "3" }}
{"countnum" : 5, "say" : "hello spark learning"}
{"index" : { "_id" : "4" }}
{"countnum" : 15, "say" : "hello bye bye"}
{"index" : { "_id" : "5" }}
{"countnum" : 13, "say" : "hi world"}

查一下 如果不用 function_score 查询条件获取的基本分数 是多少

#不使用 function_score基本分数查询
GET /saytest/_search
{
  "query": {
      "match": {
        "say": "java spark"
      }
  }
}

查询结果

文档	分数	分数
id:2	hello java	1.4877305
id:3	java spark	1.2576691

1.3 自定义计算方式实现 function_score boost_mode 相乘

查询公式及参数如下：

• field 参与计算字段式 是文章的浏览量 countnum
• boost_mode 是 multiply 相乘的方式 计算方式 old_score x 新分数
• modifier 计算方式 式 log1p ， 就是 log（1+xxx） 的计算方式 new_score = old_score * log(1+countnum)
• factor 是 1 且 boost_mode 是 multiply 相乘的方式 计算方式 new_score = old_score * log(1+ factor x countnum)

GET /saytest/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "say": "java spark"
        }
      },
      "field_value_factor": {
        "field": "countnum",
        "modifier": "log1p", 
        "factor": 1
      },
      "boost_mode": "multiply",
      "max_boost": 2
    }
  }
}

自定义公式查询结果 ：

这个分 如何算出来的 ？ 我们来看一下原理

文档	分数	原分数	自定义分数
id:2	hello java	1.4877305	1.967106
id:3	java spark	1.2576691	0.978656

对于 id-2 文档doc，countnum=20, 计算方式 new_score = old_score * log(1+ factor*countnum)
也就是 1.4877305 * log ( 1+ 1 x 20) = 1.967105 ~ 就是 算出来的 1.967106
对于 id-3 文档doc， countnum = 5
也就是 1.2576691 * log （1+ 1 x 5） = 0.97865678273 ~ 同样也是 算出来的 0.978656

1.4 自定义 function_score 修改 modifier及 factor及boost_mode 相加

查询公式及参数如下：

• field 参与计算字段式 是文章的浏览量 countnum
• boost_mode 是 sum 累加的方式 计算方式
• modifier 计算方式 式 ln ， 就是 ln（xxx） 的计算方式 new_score = old_score + ln(countnum)
• factor 是 0.8 且 boost_mode 是 sum 累加的方式 计算方式 new_score = old_score + ln( factor x countnum)
  !!! 注意 改了 boost_mode的方式，变为累加
  !!! 注意 改了 boost_mode的方式，变为累加
  !!! 注意 改了 boost_mode的方式，变为累加

GET /saytest/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "say": "java spark"
        }
      },
      "field_value_factor": {
        "field": "countnum",
        "modifier": "ln", 
        "factor": 0.8
      },
      "boost_mode": "sum",
      "max_boost": 10
    }
  }
}

自定义公式查询结果 ：

这个分 如何算出来的 ？ 我们来看一下原理

文档	分数	原分数	自定义分数
id:2	hello java	1.4877305	3.4877305
id:3	java spark	1.2576691	2.6439636

对于 id-2 文档doc，countnum=20, 计算方式new_score = old_score + ln( factor x countnum)
也就是 1.4877305 + ln ( 0.8 x 20) = 4.26031922224 ~ 就是 算出来的 4.260319,
对于 id-3 文档doc， countnum = 5
也就是 1.2576691 + ln（0.8 x 5） = 2.64396346112 ~ 同样也是 算出来的 2.6439636

1.5 自定义 function_score max_boost 限制算出来的最大分

上一步 我们看了一下 算分 原理， max_boost 其实是限制的 ln( factor x countnum) 分数， 我们修改下 max_boost 试试 效果，看看 是否能够限制 计算出来的分数

# max_boost 限制最大算出来的分=2
GET /saytest/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "say": "java spark"
        }
      },
      "field_value_factor": {
        "field": "countnum",
        "modifier": "ln", 
        "factor": 0.8
      },
      "boost_mode": "sum",
      "max_boost": 2
    }
  }
}

文档	分数	原分数	自定义分数
id:2	hello java	1.4877305	3.4877305
id:3	java spark	1.2576691	2.6439636

对于 id-2 文档doc，countnum=20, 计算方式new_score = old_score + ln( factor x countnum)
也就是 ln ( 0.8 x 20) = 2.77258872224 ，累加旧的分数 1.4877305 + 2.77258872224 = 4.26031922224 ~
为啥 id-2的分数是 3.4877305 呢？

• 原因就是 max_boost=2 限制了 计算出来的分的最大值是2， 即使 ln ( 0.8 x 20) = 2.77258872224 > 2 , 累加旧分的时候，用设置的 max_boost=2 去累加 ， 因此 实际计算的过程就是 1.4877305 + 2 = 3.4877305
• 对于 id-3 文档doc， countnum = 5 计算出来的分 ln（0.8 x 5）=1.38629436112 < 2 , 小于2 累加旧分用算出来的值 1.2576691 + 1.38629436112 = 2.64396346112 ~ 即 2.6439636

再试一下，把max_boost调整为1 看下结果， 也是符合正确的

---

至此 我们已经学习了 ES Function score 自定义相关度分数算法的 实现逻辑， 并且可以根据自己的业务场景去定制算法了