Elasticsearch func_score

场景介绍

衰减函数

总结

官网文档：https://www.elastic.co/guide/en/elasticsearch/reference/7.x/query-dsl-function-score-query.html

作者公众号：

1.场景介绍

在全文检索中，排序是一个很讲究的事。关键字命中，是全文检索中一个很关键的因素。然而，某些时候，我们关键字的命中可能非常低，或者来两个doc中关键字的命中分数相差很小。

举个例子：有两个店家，他们上架了差不多的商品，在商品信息里面，信息大同小异。在我们输入关键字“xx商品”时，关键字命中得分相同，或者差异性很小，这个时候我们可能需要根据场景去用其他得分来影响排序。可能我们的业务需求是最近上新的应该在前面，于是我们引入了上架时间（launchTime）因子；可能我们还需要店铺距离用户的距离（location）;或者我们需要根据店铺的欢迎程度(likeNumber)等等
所以我们需要一个综合的得分计算规则，不仅仅包含关键词的命中，还需要其他因子来做决定。

2.衰减函数

直接上图
先来看看DSL，如何实现时间对分数的影响

重点说一下衰减函数几个参数的含义：

看图说话：

origin: 衰减度最低的地方，也就是值为1的点

offset: 针对origin的偏移，在origin-offset范围内的数据，衰减度不变，保持为1；

decay: 配合scale ，可以决定衰减的速度，值为某一个分数。

scale: 值为x轴的某个数值，影响衰减速度

打个比方：origin 是时间类型，origin=”now“,offset=2d,scale=10,decay=0.5,那么表达的含义就是：从现在时间点为标准，两天内的数据时间分数是相同的，超过两天的数据，保证距离现在12（scale+offset）天时，函数计算的得分为0.5。
java代码的表达方式如下：

代码语义：
定义了3个衰减函数，分别是距离、更新时间、pv（浏览量）。
距离用户所在地的10km以内的数据，距离得分相同，10-30km，分数开始衰减，到30km的时候，分数衰减到0.5
更新时间7天以内的数据，时间上计算得分相同，7-14天，得分衰减，14天时，得分衰减到0.3
3. pv 为利用衰减函数，采用了逆向思维，当pv达到10000000时，得分为1，scale 设置为 origin-50，想表达的意思是pv在0-50的时候，分数递增到0.99.主要是前期应对前期pv量不足的情况。