解析elasticsearch二次打分處理方案

1、在建立索引的時候提高文件的權重，根據因素欄位值來給文件設定boost.這種方式在lucene5之前有效，之後就無效了。不建議採用。

2、通過function_query來設定分數。

如在相關度相差不大的情況下，投票的數量越多排名越往前。可以採用簡單的線性方式來處理：

get /blogposts/post/_search
},"field_value_factor": }}}

其中

：

field：表示影響權重的字段例子中是votes

modifier：表示影響的規則

修飾語 modifier 的值可以為：

none （預設狀態）

log 、 log1p 、 log2p 、 ln 、 ln1p 、 ln2p 、 square 、 sqrt 以及 reciprocal。

facror：表示影響因子。

通過上面設定後整個打分變為：

new_score = old_score * log(1 + factor * number_of_votes) factor 值大於 1 會提公升效果， factor 值小於 1 會降低效果。

初次之外還可以設定boost_mode影響因子和old_source通過什麼運算來得出新分值。

get /blogposts/post/_search
},"field_value_factor": ,
"boost_mode": "sum" ,
"max_boost":  1.5 }}}

boost_mode

multiply

評分 _score

與函式值的積（預設）

sum評分 _score

與函式值的和

min評分 _score

與函式值間的較小值

max評分 _score

與函式值間的較大值

replace

函式值替代評分 _score

max_boost

設定最大的得分分值

無論 field_value_factor 函式的結果如何，最終結果都不會大於 1.5

上線是一種線性的影響關係，有時會有範圍性質、分數變化緩慢的需求場景，此時在使用上面的方案未免為使分數變化的不太圓滑，es提供了三種衰減函式(decay functions)來計算分數，讓我們有能力在兩個滑動標準如：地點和**，時間等之間權衡。

linear、 exp 和 gauss （線性、指數和高斯函式），它們可以運算元值、時間以及經緯度地理座標點這樣的字段。所有三個函式都能接受以下引數：

origin:中心點或字段可能的最佳值，落在原點 origin 上的文件評分 _score 為滿分 1.0 。

scale:衰減率,即乙個文件從原點origin下落時,評分_score 改變的速度.(例如，每 £10 歐元或每 100 公尺)

decay:從原點 origin 衰減到 scale 所得的評分 _score ，預設值為 0.5 。

offset:以原點 origin 為中心點，為其設定乙個非零的偏移量 offset 覆蓋乙個範圍，而不只是單個原點。在範圍 -offset <= origin <= +offset 內的所有評分 _score 都是 1.0 。

這三個函式的唯一區別就是它們衰減曲線的形狀，用圖來說明會更為直觀

圖圖 33 「衰減函式曲線」中所有曲線的原點origin（即中心點）的值都是40，offset是5，也就是在範圍40 - 5 <= value <= 40 + 5內的所有值都會被當作原點origin處理——所有這些點的評分都是滿分1.0。

在此範圍之外，評分開始衰減，衰減率由scale值（此例中的值為5）和衰減值decay（此例中為預設值0.5）共同決定。結果是所有三個曲線在origin +/- (offset + scale)處的評分都是0.5，即點30和50處。

linear、exp和gauss（線性、指數和高斯）函式三者之間的區別在於範圍（origin +/- (offset + scale)）之外的曲線形狀：

選擇曲線的依據完全由期望評分_score的衰減速率來決定，即距原點origin的值。

回到我們的例子：使用者希望租乙個離倫敦市中心近（）且每晚不超過 £100 英鎊的度假屋，而且與距離相比，

我們的使用者對**更為敏感，這樣查詢可以寫成：

}},}
}],
"query": 
},"score_mode": "multiply"}}
}

location 欄位以地理座標點 geo_point 對映。

price 欄位是數值。

price 語句是 location 語句權重的兩倍。

location 語句可以簡單理解為：

以倫敦市中作為原點 origin 。

所有距原點 origin 2km 範圍內的位置的評分是 1.0 。

距中心 5km （ offset + scale ）的位置的評分是 0.5 。

weight 引數可以被用來調整每個語句的貢獻度，權重 weight 的預設值是 1.0 。這個值會先與每個句子的評分相乘，然後再通過 score_mode 的設定方式合併。

解析elasticsearch二次打分處理方案

elasticsearch幾個概念解析

elasticsearch 文件資料解析（五）

Elasticsearch原理解析與效能調優

解析elasticsearch二次打分處理方案

elasticsearch幾個概念解析

elasticsearch 文件資料解析（五）

Elasticsearch原理解析與效能調優

相關推薦