ElasticSearch 默认评分机制

Question

我正在寻找的是关于 ElasticSearch (Lucene) 的默认评分机制如何真正起作用的简单、清晰的解释。我的意思是，它是使用 Lucene 评分，还是使用自己的评分？

例如，我想通过“名称”字段搜索文档。我使用 .NET NEST 客户端来编写我的查询。让我们考虑这种类型的查询：

IQueryResponse<SomeEntity> queryResult = client.Search<SomeEntity>(s =>
    s.From(0)
   .Size(300)
   .Explain()
   .Query(q => q.Match(a => a.OnField(q.Resolve(f => f.Name)).QueryString("ExampleName")))
);

翻译成这样的 JSON 查询：

{
 "from": 0,
 "size": 300,
 "explain": true,
 "query": {
   "match": {
     "Name": {
       "query": "ExampleName"
      }
    }
  }
}

大约有 110 万份文档需要执行搜索。我得到的回报是（这只是结果的一部分，我自己格式化）：

650   "ExampleName" 7,313398

651   "ExampleName" 7,313398

652   "ExampleName" 7,313398

653   "ExampleName" 7,239194

654   "ExampleName" 7,239194

860   "ExampleName of Something" 4,5708737  

其中第一个字段只是一个 Id，第二个是 ElasticSearch 执行搜索的名称字段，第三个是分数。

如您所见，ES 索引中有很多重复项。由于一些找到的文档具有不同的分数，尽管它们完全相同（只有不同​​的 ID），我得出的结论是不同的分片对整个数据集的不同部分执行搜索，这导致我追踪分数在某种程度上基于整体给定分片中的数据，而不仅仅是搜索引擎实际考虑的文档。

问题是，这个评分究竟是如何运作的？我的意思是，你能告诉我/告诉我/指出精确的公式来计算 ES 找到的每个文档的分数吗？最终，如何改变这种评分机制？

Answer 1

ElasticSearch 文档中有很好的解释：

• 什么是相关性： https://www.elastic.co/guide/en/elasticsearch/guide/current/relevance-intro.html

• 相关性评分背后的理论： https://www.elastic.co/guide/en/elasticsearch/guide/current/scoring-theory.html

Answer 2

分数变化基于给定分片中的数据（正如您所怀疑的那样）。默认情况下，ES 使用一种称为“query then fetch”的搜索类型，它将查询发送到每个分片，使用本地 TDIF 查找所有具有分数的匹配文档（这将根据给定分片上的数据而有所不同- 这是你的问题）。

您可以通过使用“dfs query then fetch”搜索类型来更改此设置 - 预查询每个分片，询问术语和文档频率，然后向每个分片发送查询等。

你可以在url中设置

$ curl -XGET '/index/type/search?pretty=true&search_type=dfs_query_then_fetch' -d '{
  "from": 0,
  "size": 300,
  "explain": true,
  "query": {
    "match": {
      "Name": {
        "query": "ExampleName"
      }
    }
  }
}' 

Answer 3

默认评分是核心 Lucene 中的 DefaultSimilarity 算法，largely documented here。您可以通过配置your own Similarity 或使用custom_score query 之类的东西来自定义评分。

显示的前五个结果中的奇数变化似乎足够小，就查询结果的有效性及其排序而言，我并不关心它，但如果你想了解它的原因， explain api 可以准确地告诉你那里发生了什么。