按受欢迎度提升权重 | Elasticsearch: 权威指南 | Elastic
2024-12-24
设想有个网站供用户发布博客并且可以让他们为自己喜欢的博客点赞, 我们希望将更受欢迎的博客放在搜索结果列表中相对较上的位置,同时全文搜索的评分仍然作为相关度的主要排序依据,可以简单的通过存储每个博客的点赞数来实现它:
PUT /blogposts/post/1 { "title": "About popularity", "content": "In this post we will talk about...", "votes": 6 }
在搜索时,可以将 function_score
查询与 field_value_factor
结合使用,
即将点赞数与全文相关度评分结合:
GET /blogposts/post/_search { "query": { "function_score": { "query": { "multi_match": { "query": "popularity", "fields": [ "title", "content" ] } }, "field_value_factor": { "field": "votes" } } } }
| |
主查询优先执行。 | |
| |
每个文档的 |
在前面示例中,每个文档的最终评分 _score
都做了如下修改:
new_score = old_score * number_of_votes
然而这并不会带来出人意料的好结果,全文评分 _score
通常处于 0 到 10 之间,如下图 图 29 “受欢迎度的线性关系基于 _score
的原始值 2.0
” 中,有 10 个赞的博客会掩盖掉全文评分,而 0 个赞的博客的评分会被置为 0 。
一种融入受欢迎度更好方式是用 modifier
平滑 votes
的值。
换句话说,我们希望最开始的一些赞更重要,但是其重要性会随着数字的增加而降低。 0 个赞与 1 个赞的区别应该比 10 个赞与 11 个赞的区别大很多。
对于上述情况,典型的 modifier
应用是使用 log1p
参数值,公式如下:
new_score = old_score * log(1 + number_of_votes)
log
对数函数使 votes
赞字段的评分曲线更平滑,如图 图 30 “受欢迎度的对数关系基于 _score
的原始值 2.0
” :
带 modifier
参数的请求如下:
GET /blogposts/post/_search { "query": { "function_score": { "query": { "multi_match": { "query": "popularity", "fields": [ "title", "content" ] } }, "field_value_factor": { "field": "votes", "modifier": "log1p" } } } }
修饰语 modifier 的值可以为: none
(默认状态)、 log
、 log1p
、 log2p
、 ln
、 ln1p
、 ln2p
、 square
、 sqrt
以及 reciprocal
。想要了解更多信息请参照:
field_value_factor
文档.
可以通过将 votes
字段与 factor
的积来调节受欢迎程度效果的高低:
GET /blogposts/post/_search { "query": { "function_score": { "query": { "multi_match": { "query": "popularity", "fields": [ "title", "content" ] } }, "field_value_factor": { "field": "votes", "modifier": "log1p", "factor": 2 } } } }
添加了 factor
会使公式变成这样:
new_score = old_score * log(1 + factor * number_of_votes)
factor
值大于 1
会提升效果, factor
值小于 1
会降低效果,如图 图 31 “受欢迎度的对数关系基于多个不同因子” 。
或许将全文评分与 field_value_factor
函数值乘积的效果仍然可能太大,
我们可以通过参数 boost_mode
来控制函数与查询评分 _score
合并后的结果,参数接受的值为:
multiply
_score
与函数值的积(默认)
sum
_score
与函数值的和
min
_score
与函数值间的较小值
max
_score
与函数值间的较大值
replace
_score
与使用乘积的方式相比,使用评分 _score
与函数值求和的方式可以弱化最终效果,特别是使用一个较小 factor
因子时:
GET /blogposts/post/_search { "query": { "function_score": { "query": { "multi_match": { "query": "popularity", "fields": [ "title", "content" ] } }, "field_value_factor": { "field": "votes", "modifier": "log1p", "factor": 0.1 }, "boost_mode": "sum" } } }
之前请求的公式现在变成下面这样(参见 图 32 “使用 sum
结合受欢迎程度” ):
new_score = old_score + log(1 + 0.1 * number_of_votes)
最后,可以使用 max_boost
参数限制一个函数的最大效果:
GET /blogposts/post/_search { "query": { "function_score": { "query": { "multi_match": { "query": "popularity", "fields": [ "title", "content" ] } }, "field_value_factor": { "field": "votes", "modifier": "log1p", "factor": 0.1 }, "boost_mode": "sum", "max_boost": 1.5 } } }
max_boost
只对函数的结果进行限制,不会对最终评分 _score
产生直接影响。
官方地址:https://www.elastic.co/guide/cn/elasticsearch/guide/current/boosting-by-popularity.html