ElasticSearch的查询权重-控制查询相关度

ES查询相关度的官网连接

1：ElasticSearch的查询权重

每个文档与查询的相关度，在全文搜索引擎中不仅需要找到匹配的文档，还需根据它们相关度的高低进行排序。

根据全文相关的公式或 相似算法（similarity algorithms） 会将多个因素合并起来，为每个文档生成一个相关度评分 _score 。_score 在查询结果中有显示

1：相关度评分理论

Lucene（或 Elasticsearch）使用 bool（bool model） 查找匹配文档时，会用一个名为 实用评分函数的公式来计算相关度。这个公式借鉴了 词频/逆向文档频率 和 向量空间模型，同时也加入了一些现代的新特性，如协调因子（coordination factor），字段长度归一化（field length normalization），以及词或查询语句权重提升。

1.1：bool模型

bool 查询可以接受 must 、 must_not 和 should 参数下的多个查询语句，就是and,or，not的意思
下面展示一些 内联代码片。

{    
"bool" : {     
   "must" :     [],      
   "should" :   [],      
   "must_not" : [],   
   		} 
}

1.2：词频

也就是查询值在一个字段中出现的次数。当然也可以禁用词频统计： “index_options”: “docs”

 "match": {
            "title": {
              "query": "quick brown fox",
               "index_options": "docs" 
}            }

1.3：字段长度归一值

字段长度归一值就是查询值在结果中所占长度的比例。占的越多值越大
对于 not_analyzed 字符串字段的归一值默认是禁用的，而对于 analyzed 字段也可以通过修改字段映射禁用归一值：禁用"norms": { “enabled”: false }

 "match": {
            "title": {
              "query": "quick brown fox",
               "index_options": "docs" ，
               "norms": { "enabled": false } 
}            }

2：查询时提升相关度

2.1：boost权重

我们可以用boost 参数设置不同字段配置查询时的权重。

1：提升权重

给boost参数不同的值，比如1,5,10

 "match": {
            "title": {
              "query": "quick brown fox",
              "boost": 2             //使用boost权重设置为2,不设置的默认是1
}            }

2：对多索引提升权重

当在多个索引中搜索时，可以使用参数 indices_boost 来提升整个索引的权重

get index */search{
"indices_boost": { 
    "index1": 3,
    "index2": 2
  }
  "query":{} 
}

2.2：词频统计配置

当我们不关心检索词频率TF对搜索结果排序的影响时，可以使用constant_score将查询语句query或者过滤语句filter包装起来。我们仍然可以用boost给与权重
当然也可以禁用词频统计： “index_options”: “docs”

{
    "query":{
        "bool":{
            "should": [
                { "constant_score": {
                	  "boost":2,
                      "query": { "match": { "description": "wifi" }} }},
                { "constant_score": {
                      "query": { "match": { "description": "garden" }} }},
                { "constant_score": {
                      "query": { "match": { "description": "pool" }} }}
              ]
        }
    }
}

2.3：查询结果评分修改：function_score

es提供了一些函数允许我们对查询的结果score评分进行修改，function_score 查询将查询query和函数function包括在内。在搜索时，可以将 function_score 查询与 field_value_factor 结合使用

field_value_factor ：配置字段，最终的查询的score会由function_score 查询体的结果值通过field_value_factor配置字段的值进行协调。多用于点赞排名等数据。最终值：new_score=old_score*field_value_factor

GET /blogposts/post/_search
{
  "query": {
    "function_score": { 
      "query": {                   	//function_scored的查询体
        "multi_match": {
          "query":    "popularity",
          "fields": [ "title", "content" ]
        }
      },
      "functions": [              	//function_score的functions函数
          {"random_score": {}}，    	//functions函数的参数1：随机评分
          {"gauss": {					//functions函数的参数2：gauss中心化展示
       		 "age": {  
          		"origin": "2",
          		"scale": "1"
        		}
     	 	}
        ],
      "field_value_factor": { 		//function_score参数1
        "field": "votes"            //该字段必须是integer等数值类型的数据，常用于点赞数等字段评分  
      },
      "boost_mode": "sum",			//function_score参数2
      "max_boost":  1.5 			//function_score参数3
    }
  }
}

1：field_value_factor参数解释
field：提取该字段的值乘以query的查询score评分=最终结果，相等于我们给每个查询的结果乘了值的系数
modifier ：为了让最终结果减少field值系数的影响。
missing：如果文档没有该字段，则使用该值
factor：对于field字段值的均衡使用后new_score = old_score * log(1 + factor * field-value)

"field_value_factor": { 
        "field": "interger field"  ,  //该字段必须是integer等数值类型的数据，常用于点赞数等字段评分  
     	"modifier ":"none "， 		  //none （默认状态）、 log 、 log1p 、 log2p 、 ln 、 ln1p 、 ln2p 、 square 、 sqrt 以及 reciprocal
     	"missing": 1，
     	"factor":  1
      }

2：max_boost最大值限制

限制field_value_factor 的最大值，只会对函数的最大值有用，不会对不在函数内的查询构成作用

3：随机评分制：random_score

当_score评分结果一致时保证每次的展示结果都一致。 通过random_score设置值

 "functions": [  
		{
          "random_score": { 
            "seed":  "the users session id"  //常用用户id等保证每个人的结果一致
          }
        }
 ]

4：查询结果中心化：gauss

为了保证查询结果是我们想要的，我们可以设定距离，价格等为中心查询某一范围的值。让更合适的值靠近我们的展示。比如美团的展示（以价格，距离排序展示）

"functions": [
      {"gauss": {      
        "age": {        //以哪个字段的值进行计算
          "origin": "2",	//该字段的中心值
           "offset": "",  	//以origin左右偏移多少为中心 ：origin±offset  该范围内是1.0评分
          "scale": "1"		//偏出origin±offset到scale值内的评分默认是origin±offset评分值的一半0.5
        }
      }"weight ":2}         //该函数的权重系数
 ]

3：相似度算法

在设置索引的mapping时为字段配置属性
“similarity”: “BM25”

2:实战验证

2.1：插入数据

2.2：验证