如何在 Elasticsearch 中计算嵌套文档相关性分数 (TF/IDF)？答案

【问题标题】：How is a nested document relevance score (TF/IDF) calculated in Elasticsearch?如何在 Elasticsearch 中计算嵌套文档相关性分数 (TF/IDF)？
【发布时间】：2018-03-23 16:09:17
【问题描述】：

在嵌套字段上运行匹配查询时，每个嵌套文档的相关性分数是根据所有根文档中的所有嵌套文档计算的，还是仅基于单个根文档下的嵌套文档计算的？基本上计算TF/IDF的时候，IDF使用的集合范围是多少？

这是一个嵌套文档：

PUT /channels_index
{
  "mappings": {
    "channel": {
      "properties": {
        "username": { "type": "string" },
        "posts": {
          "type": "nested", 
          "properties": {
            "link":    { "type": "string" },
            "caption": { "type": "string" },
          }
        }
      }
    }
  }
}

这里是查询：

GET channels/_search
{
  "query": {
    "nested": {
      "path": "posts",
      "query": {
        "match": {
          "posts.caption": "adidas"
        }
      },
      "inner_hits": {}
    }
  }
}

但是，在我的结果中，即使第二个文档的内部命中最高分数更高，但第一个文档的根分数更高。

{
  "hits": {
    "total": 2,
    "max_score": 4.3327584,
    "hits": [
      {
        "_index": "channels",
        "_type": "channel",
        "_id": "1",
        "_score": 4.3327584,
        "_source": {
          "username": "user1",
          "posts": [...]
        },
        "inner_hits": {
          "posts": {
            "hits": {
              "total": 2,
              "max_score": 5.5447335,
              "hits": [...]
            }
          }
        }
      },
      {
        "_index": "channels",
        "_type": "channel",
        "_id": "2",
        "_score": 4.2954993,
        "_source": {
          "username": "user2",
          "posts": [...]
        },
        "inner_hits": {
          "posts": {
            "hits": {
              "total": 13,
              "max_score": 11.446381,
              "hits": [...]
            }
          }
        }
      }
    ]
  }
}

【问题讨论】：

我不知道这个问题的答案，但似乎解释参数可能会引导您找到答案。您是否尝试过在顶级查询中打开 "explain":true ？这通常会给我类似问题的答案。
谢谢，是的，我应该在问问题之前运行它，立即给我答案。
是的，这是一个非常有用的选项。很高兴它成功了

标签： elasticsearch elasticsearch-5

【解决方案1】：

在我的查询上运行解释后，我可以看到内部命中的 TF/IDF 分数确实使用了从所有根文档的嵌套文档计算的 IDF。

对于根文档评分，嵌套文档的默认评分模式是平均评分。如果我想使用嵌套文档的最大分数，我可以通过定义 score_mode 来设置它。下面的查询显示了如何在文档上运行解释以及设置不同的分数模式。

GET channels/channel/1/_explain
{
  "query": {
    "nested": {
      "path": "posts",
      "score_mode": "max", 
      "query": {
        "match": {
          "posts.caption": "adidas"
        }
      },
      "inner_hits": {}
    }
  }
}

【讨论】：