Elasticsearch：在相关分数中使用密集向量的距离（在查询时）

Question

我使用 elasticsearch 来组合不同的东西： - 在文本中搜索 - 基于密集向量的分数（余弦相似度）

我使用带有function_score 的查询。第一部分是文本中的搜索（给出分数），然后应用脚本来计算余弦相似度。

我的问题是在查询阶段没有计算余弦相似度，并且我在文本中的搜索充当了预过滤器。即使余弦相似度更好，我也会始终获得与文本搜索相关的结果。

这是function_score 根据doc 的标准行为：

function_score 允许您修改通过查询检索到的文档的分数。例如，如果评分函数的计算量很大，并且在过滤的文档集上计算评分就足够了，这可能会很有用。

我想在查询时计算余弦相似度，这个分数将与文本搜索相结合（同样重要）。

谢谢！

你会发现一个要点here用一个“真实”的例子来描述这个问题。

Answer 1

来自Elasticsearch forum。

解决方案是在布尔查询中使用should 子句。

它会给出类似的东西：

GET my_index/_search
{
  "query": {
      "bool": {
        "should" : [
          {
            "match": {
                "my_text": {
                    "query": "abc"
                }
            }
          },
          {
            "script_score" : {
              "query" : {"match_all" : {}},
              "script" : {
                "source": "50 * cosineSimilarity(params.query_vector, doc['my_vector']) + 1.0",
                "params": {
                    "query_vector": [0, 0, 1]
                }
              }
            }
          }
        ]
      }  
  }
}

它将结合来自my_text 和script_score 部分的分数。最终得分将是两者之和。