这个 ElasticSearch 查询排名背后的原因是什么？

Question

我有两个文件：

{
    id: 7,
    title: 'Wet',
    description: 'asdfasdfasdf'
}

{
    id: 6
    title: 'Wet wet',
    description: 'asdfasdfasdf'
}

除了第二个文档中的多余单词之外，它们几乎相同。

我的查询是这样的：

var qobject = {
        query:{
            custom_score:{
                query:{
                   multi_match:{
                     query: q, //I searched for "wet"
                     fields: ['title','description'],
                   }
                },
                script: '_score '
            }
        }
    }

好的，所以当我运行这个查询时，我会得到以下结果：

{ total: 2,
  max_score: 1.8472979,
  hits: 
   [ { _index: 'products',
       _type: 'products',
       _id: '7',
       _score: 1.9808292,
       _source: [Object] },
     { _index: 'products',
       _type: 'products',
       _id: '6',
       _score:  1.7508222,
       _source: [Object] } ] }

为什么 id 7 的排名高于 id 6？得分背后的原因是什么？ 6不应该因为有2个词而排名更高吗？

如果我想要更多的单词 = 更多的权重怎么办？我该如何修改我的查询？

解释如下：

"_explanation": {
            "value": 1.9808292,
            "description": "custom score, product of:",
            "details": [
                {
                    "value": 1.9808292,
                    "description": "script score function: composed of:",
                    "details": [
                        {
                            "value": 1.9808292,
                            "description": "fieldWeight(title:wet in 0), product of:",
                            "details": [
                                {
                                    "value": 1,
                                    "description": "tf(termFreq(title:wet)=1)"
                                },
                                {
                                    "value": 1.9808292,
                                    "description": "idf(docFreq=2, maxDocs=8)"
                                },
                                {
                                    "value": 1,
                                    "description": "fieldNorm(field=title, doc=0)"
                                }
                            ]
                        }
                    ]
                },
                {
                    "value": 1,
                    "description": "queryBoost"
                }
            ]
        }

"_explanation": {
            "value": 1.7508222,
            "description": "custom score, product of:",
            "details": [
                {
                    "value": 1.7508222,
                    "description": "script score function: composed of:",
                    "details": [
                        {
                            "value": 1.7508222,
                            "description": "fieldWeight(title:wet in 0), product of:",
                            "details": [
                                {
                                    "value": 1.4142135,
                                    "description": "tf(termFreq(title:wet)=2)"
                                },
                                {
                                    "value": 1.9808292,
                                    "description": "idf(docFreq=2, maxDocs=8)"
                                },
                                {
                                    "value": 0.625,
                                    "description": "fieldNorm(field=title, doc=0)"
                                }
                            ]
                        }
                    ]
                },
                {
                    "value": 1,
                    "description": "queryBoost"
                }
            ]
        }

Answer 1

查看查询的解释输出以了解原因。您可以使用explain api 或将"explain": true 添加到您当前的搜索请求中。

默认情况下，lucene 使用 tf/idf（词频，倒置文档频率）相似度对文档进行评分。对于与查询匹配的每个术语，都会考虑不同的因素。以下是最重要的：

• 词频：词在文档中出现的频率。越多越好。如果一个术语出现多次，则该文档是更好的匹配。
• 倒排文档频率：该词在索引中的频率。越少越好。罕见术语胜过通用术语。
• 规范：索引时间提升（默认为 1，无提升）+ 字段规范，它定义了较短的字段优于较长的字段。

根据您正在执行的查询，由于规范，文档的评分不同。您可以在映射（和重新索引）中禁用规范，但这样您也会失去索引时间提升（我认为您无论如何都不会使用它）。事实上，在您的示例中，第二个文档的得分较低，因为字段规范较低，尽管词频较高（2 而不是 1）。

另一个解决方案是插入不同的 lucene 相似性：lucene 4 提供了更多的相似性，并且还允许定义每个字段的相似性。这些功能已在 elasticsearch 0.90 中公开。