[大数据]elasticsearch中四种常见的相关度分数优化方法

对相关度评分进行调节和优化的常见的4种方法

1、query-time boost 查询的时候设置query的boost. 增加权重

2、重构查询结构.如should中嵌套bool。

3、negative boost 包含了negative term的doc，分数乘以negative boost，分数降低

4、constant_score 如果你压根儿不需要相关度评分，直接走constant_score加filter，所有的doc分数都是1，没有评分的概念了

1、query-time boost

GET?/forum/article/_search
{
??"query":?{
????"bool":?{
??????"should":?[
????????{
??????????"match":?{
????????????"title":?{
??????????????"query":?"java?spark",
??????????????"boost":?2
????????????}
??????????}
????????},
????????{
??????????"match":?{
????????????"content":?"java?spark"
??????????}
????????}
??????]
????}
??}
}

2、重构查询结构

重构查询结果，在es新版本中，影响越来越小了。一般情况下，没什么必要的话，大家不用也行。

GET?/forum/article/_search?
{
??"query":?{
????"bool":?{
??????"should":?[
????????{
??????????"match":?{
????????????"content":?"java"??1/3
??????????}
????????},
????????{
??????????"match":?{
????????????"content":?"spark"??1/3
??????????}
????????},
????????{
??????????"bool":?{
????????????"should":?[
??????????????{
????????????????"match":?{
??????????????????"content":?"solution"??1/6
????????????????}
??????????????},
??????????????{
????????????????"match":?{
??????????????????"content":?"beginner"??1/6
????????????????}
??????????????}
????????????]
??????????}
????????}
??????]
????}
??}
}

3、negative boost

搜索包含java，不包含spark的doc，但是这样子很死板

搜索包含java，尽量不包含spark的doc，如果包含了spark，不会说排除掉这个doc，而是说将这个doc的分数降低

包含了negative term的doc，分数乘以negative boost，分数降低

GET?/forum/article/_search?
{
??"query":?{
????"bool":?{
??????"must":?[
????????{
??????????"match":?{
????????????"content":?"java"
??????????}
????????}
??????],
??????"must_not":?[
????????{
??????????"match":?{
????????????"content":?"spark"
??????????}
????????}
??????]
????}
??}
}

GET?/forum/article/_search?
{
??"query":?{
????"boosting":?{
??????"positive":?{
????????"match":?{
??????????"content":?"java"
????????}
??????},
??????"negative":?{
????????"match":?{
??????????"content":?"spark"
????????}
??????},
??????"negative_boost":?0.2
????}
??}
}

negative的doc，会乘以negative_boost，降低分数

4、constant_score

如果你压根儿不需要相关度评分，直接走constant_score加filter，所有的doc分数都是1,也可以加上boost指定一个固定的分数，比如0，就是纯不计算积分，也就没有评分的概念了

GET?/forum/article/_search?
{
??"query":?{
????"bool":?{
??????"should":?[
????????{
??????????"constant_score":?{
??????????????"boost":?0,
????????????"filter":?{
??????????????"match":?{
????????????????"title":?"java"
??????????????}
????????????}
??????????}
????????},
????????{
??????????"constant_score":?{
??????????????"boost":?0,
????????????"filter":?{
??????????????"match":?{
????????????????"title":?"spark"
??????????????}
????????????}
??????????}
????????}
??????]
????}
??}
}

实战案例

1. 在搜索中，我们有这样一种需求，期望搜索的结果中包含java 如果标题中包含hadoop或spark就优先搜索出来,同时呢，如果一个帖子包含java hadoop，一个帖子包含java spark，包含hadoop的帖子要比spark优先搜索出来

对于这样的需求，通俗来讲，就是需要通过增大某些搜索条件的权重，从而在搜索的结果中，更多符合和满足我们业务场景的数据靠前搜索出来，在es中可以通过boost关键词来增加搜索条件的权重，

GET?/forum/article/_search
{
	"query":?{
		"bool":?{
			"must":?[{
				"match":?{
					"title":?"java"
				}
			}],
			"should":?[{
				"match":?{
					"title":?{
						"query":?"hadoop"
					}
				}
			},?{
				"match":?{
					"title":?{
						"query":?"spark",
						"boost":?2
					}
				}
			},?{
				"match":?{
					"title":?{
						"query":?"php"
					}
				}
			},?{
				"match":?{
					"title":?{
						"query":?"hadoop",
						"boost":?5
					}
				}
			}]
		}
	}
}

参考：elasticsearch中四种常见的相关度分数优化方法 - PHP面试网