elasticsearch ngrams 评分如何工作？

Question

我的索引中有两个文档。一个包含字段：

 name: foo bar

还有一个

 name: foo xyz bar xyz foo xyz bar xyz foo xyz bar xyz foo xyz bar

我正在使用这样的 ngrams 分析器：

"analysis": {
  "analyzer": {
    "ngram_analyzer": {
      "tokenizer": "ngram_tokenizer"
    }
  },
  "tokenizer": {
    "ngram_tokenizer": {
      "type": "ngram",
      "min_gram": 3,
      "max_gram": 3,
      "token_chars": [
        "letter",
        "digit",
        "whitespace"
      ]
    }
  }
}

当我搜索foo bar 时，第一个文档的得分高于第二个。这就是我想要的，但任何人都可以解释这个评分是如何工作的吗？据我所知，ngram 将它们拆分为 3 个字符长度的术语，它如何发现 foo 和 bar 在第一个文档中按顺序排列并为其分配更高的分数？

Answer 1

当您开始时，Elasticsearch 中的相关性/评分并不是最简单的部分。分数计算基于三个主要部分：

• 词频
• 逆文档频率
• 字段长度规范

很快：

• 该术语在字段中出现的频率越高，相关性越高
• 该词在整个索引中出现的频率越高，相关性越低
• 期限越长，相关性越高

我建议您阅读以下材料：

• What Is Relevance?
• Theory Behind Relevance Scoring
• Controlling Relevance 和子页面

但另外分数将取决于您使用的查询类型。例如 match 查询 foo bar 搜索词更适合 foo bar 记录到第二个。