轉載自CSDN本文連結地址: ElasticSearch用function_score自定義相關度分數演算法

需求

1. 在field: tile 和 content 中查詢 java spark 的doc
2. 要求follower_num越多的 doc 分數越高。(看帖子的人越多，那麼帖子的分數就越高)

function_score函式：

• 我們可以做到自定義一個function_score函式
• 自己將某個field的值，跟es內建算出來的分數進行運算
• 然後由自己指定的field來進行分數的增強

例子

給所有的帖子資料增加follower數量

POST /forum/article/_bulk
{ "update": { "_id": "1"} }
{ "doc" : {"follower_num" : 5} }
{ "update": { "_id": "2"} }
{ "doc" : {"follower_num" : 10} }
{ "update": { "_id": "3"} }
{ "doc" : {"follower_num" : 25} }
{ "update": { "_id": "4"} }
{ "doc" : {"follower_num" : 3} }
{ "update": { "_id": "5"} }
{
 
 "doc" : {"follower_num" : 60} }

• 將對帖子搜尋得到的分數，跟follower_num進行運算，由follower_num在一定程度上增強帖子的分數
• 看帖子的人越多，那麼帖子的分數就越高

GET /forum/article/_search
{
  "query": {
    "function_score": {
      "query": {
        "multi_match": {
          "query": "java spark",
          "fields": ["tile", "content"]
 

        }
      },
      "field_value_factor": {
        "field": "follower_num",
        "modifier": "log1p",
        "factor": 0.5
      },
      "boost_mode": "sum",
      "max_boost": 2
    }
  }
}

• field_value_factor中如果只有field，那麼會將每個doc的分數都乘以follower_num，如果有的doc follower是0，那麼分數就會變為0，效果很不好。
• 因此一般會加個log1p函式，公式會變為，new_score = old_score * log(1 + number_of_votes)，這樣出來的分數會比較合理
• 再加個factor，可以進一步影響分數，new_score = old_score * log(1 + factor * number_of_votes)
• boost_mode，可以決定分數與指定欄位的值如何計算，multiply，sum，min，max，replace
• max_boost，限制計算出來的分數不要超過max_boost指定的值