Elasticsearch 7.10 如何赋予文档中较早出现的术语更多的权重答案

【问题标题】：Elasticsearch 7.10 How to give more weight to terms that appear earlier in a documentElasticsearch 7.10 如何赋予文档中较早出现的术语更多的权重
【发布时间】：2020-12-20 03:17:34
【问题描述】：

假设我们在特定字段上针对术语“cosmopolitan”发出查询（确切的类型不相关），并假设结果集包含多个文档，每个文档都包含“k”个实例国际化。”

通过任何适用的机制（提升、加权、排序等），我希望返回的结果集考虑到文档中“cosmopolitan”的位置，即如果 cosmopolitan 的平均位置是较低（更接近文档的开头），则其排名/分数较高。

我研究了不同类型的查询和脚本，但似乎找不到适用于此的东西，这似乎很奇怪，因为对于许多领域来说，术语位置可能非常重要。

【问题讨论】：

标签： elasticsearch lucene

【解决方案1】：

如果我们谈论的是任意 myfield 的确切子字符串，我们可以使用 sorting script 从整个字符串长度中减去第一次出现的索引，从而提高更早出现的次数：

{
  "query": { ... },
  "sort": [
    {
      "_script": {
        "script": {
          "params": {
            "substr_value": "cosmopolitan"
          },
          "source": """
            def fieldval = doc['myfield.keyword'].value;
            def indexof = fieldval.indexOf(params.substr_value);
            return indexof == -1 ? _score : _score + (fieldval.length() - indexof)
          """
        },
        "type": "number",
        "order": "desc"
      }
    }
  ]
}

.keyword 映射不是必需的——该字段也可以有fielddata: true 设置——无论哪种方式，我们都需要访问myfield 的原始值才能使此脚本工作.

或者，function score query 非常适合这里：

{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "myfield": "cosmopolitan"
        }
      },
      "script_score": {
        
        "script": {
          "params": {
            "substr_value": "cosmopolitan"
          },
          "source": """
            def fieldval = doc['myfield.keyword'].value;
            def indexof = fieldval.indexOf(params.substr_value);
            return indexof == -1 ? _score : (fieldval.length() - indexof)
          """
        }
      },
      "boost_mode": "sum"
    }
  }
}

您可以调整其参数，如boost_mode、weight 等以满足您的需求。

此外，您可能希望对所有出现的子字符串进行加权平均，您可以在这些脚本中执行此操作。

【讨论】：

谢谢，这非常有帮助。我真的很感激。
很好，很高兴听到这个消息！嘿，我正在写一本关于 Elasticsearch 的手册，想hear your input。干杯！
注意：除非在请求的顶层将 track_scores 设置为 true，否则排序上下文脚本的 _score 将始终为 0，因为 ES 不会费心计算分数（它很昂贵而且 ES假设你无论如何都要覆盖它）。