【ElasticSearch】ElasticSearch 中使用衰减函数来完美你的搜索结果

布满荆棘的人生 2022-10-10 04:40 101阅读 0赞

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxMzgzNDM1_size_16_color_FFFFFF_t_70_pic_center]

# 1.概述 #

转载：[ElasticSearch 中使用衰减函数来完美你的搜索结果][ElasticSearch]

最近的项目在原有的搜索需求增加功能

*  ElasticSearch 7.6 （请注意，大版本不同可能参数不同）

原有搜索：简单的标题+正文 全文索引  
新加功能：在原有的基础上，更加完善排序结果。可以由多种因素控制。发布时间（发布太久的了得分需下降）后台给予的权重值（权重值越高越好）热度

调研了一下文档，发现ElasticSearch完美支持这样的需求，只需要自己定义好递减函数即可。

> ES 内置了衰减函数（Decay Function）的支持。对于数值、日期和地理位置类型，可以设置一个理想的值，如果实际的值越偏离这个理想值（无论是增大还是减小），就越不符合期望，分数就越低。

它支持如下参数：

*  `origin`：原点，该字段最理想的值，这个值可以得到满分（1.0）
 *  `offset`：偏移量，与原点相差在偏移量之内的值也可以得到满分
 *  `scale`：衰减规模，当值超出了原点到偏移量这段范围，它所得的分数就开始进行衰减了，衰减规模决定了这个分数衰减速度的快慢
 *  `decay`：衰减值，该字段可以被接受的值（默认为 0.5），相当于一个分界点，具体的效果与衰减的模式有关

![在这里插入图片描述][20210626091326388.png]

*  linear 直线衰减，在 0 分外的值都是 0 分
 *  exp 衰减速度先快后慢
 *  gauss 衰减速度先慢后快再慢

我的参数配置如下：

{ 
        "query":{ 
            // 使用得分函数
            "function_score":{ 
                // 查询的关键字
                "query":{ 
                    "multi_match":{ 
                        // 关键字
                        "query":"博客",
                        // title 的权重是 body 的 "10"倍，具体可自行查阅官方文档的计算方式
                        "fields":[
                            "title^10",
                            "body"
                        ]
                    }
                },
                // 函数得分如何作用于原始得分（这里是相乘）
                "boost_mode":"multiply",
                // 函数的总得分（现在是所有得分累加）
                "score_mode":"sum",
                "functions":[
                    // 使用高斯函数, 原始日期是 2020-04-27
                    // 距离原始日期 30 天之内的都能得到满分（以前未来日期都算），也就是 1
                    // 距离原始日期 30 ~ 90 天的使用高斯函数得分
                    // 距离原始日期超过 90 天(30+60) 的都得最低分，也就是 0.5
                    { 
                        "gauss":{ 
                            "created_date":{ 
                                "origin":"2020-04-27",
                                "offset":"30d",
                                "scale":"60d",
                                "decay":0.5
                            }
                        },
                        "weight": 1
                    },
                    // 使用线性函数，所有参数和高斯一致，只不过衰减程度不一样
                    // 值的注意的是线性函数有可能得 0 分
                    { 
                        "linear":{ 
                            "hot_value":{ 
                                "origin":100,
                                "offset":10,
                                "scale":50,
                                "decay": 0.5
                            }
                        },
                        // 可设置函数的权重
                        "weight": 2
                    }
                ]
            }
        }
    }

引用文档：

https://www.elastic.co/guide/en/elasticsearch/reference/7.6/query-dsl-function-score-query.html

知乎Live全文搜索之使用Elasticsearch全文搜索

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxMzgzNDM1_size_16_color_FFFFFF_t_70_pic_center]: /images/20221005/8ca501c90a0746fb99f7d8657ec9f422.png
[ElasticSearch]: http://www.shiguopeng.cn/archives/444
[20210626091326388.png]: /images/20221005/e46a443168574d35926dce0dc2eff42e.png