ElasticSearch - function_score 简介

function_score内容较多，此篇主要是对function_score内容做系统性的讲解，之后会出几篇实际应用的方法，参考以下链接

在使用ES进行全文搜索时，搜索结果默认会以文档的相关度进行排序，而这个 "文档的相关度"，是可以透过 function_score 自己定义的，也就是说我们可以透过使用function_score，来控制 "怎麽样的文档相关度更高" 这件事
- function_score是专门用于处理文档_score的DSL，它允许爲每个主查询query匹配的文档应用加强函数，以达到改变原始查询评分 score的目的
- function_score会在主查询query结束后对每一个匹配的文档进行一系列的重打分操作，能够对多个字段一起进行综合评估，且能够使用 filter 将结果划分爲多个子集 (每个特性一个filter)，并爲每个子集使用不同的加强函数
function_score 提供了几种加强_score计算的函数
- weight : 设置一个简单而不被规范化的权重提升值
  - weight加强函数和 boost参数类似，可以用于任何查询，不过有一点差别是weight不会被Lucene nomalize成难以理解的浮点数，而是直接被应用 (boost会被nomalize)
  - 例如当 weight 爲 2 时，最终结果爲new_score = old_score * 2
- field_value_factor : 将某个字段的值乘上old_score
  - 像是将字段shareCount 或是字段likiCount 作爲考虑因素，new_score = old_score * 那个文档的likeCount的值
- random_score : 爲每个用户都使用一个不同的随机评分对结果排序，但对某一具体用户来说，看到的顺序始终是一致的
- 衰减函数 (linear、exp、guass) : 以某个字段的值为基准，距离某个值越近得分越高
- script_score : 当需求超出以上范围时，可以用自定义脚本完全控制评分计算，不过因为还要额外维护脚本不好维护，因此尽量使用ES提供的评分函数，需求真的无法满足再使用script_score
function_scroe其他辅助的参数
- boost_mode : 决定 old_score 和加强score 如何合併
  - multiply(默认) : new_score = old_score * 加强score
  - sum : new_score = old_score + 加强score
  - min : old_score 和加强score 取较小值，new_score = min(old_score, 加强score)
  - max : old_score 和加强score 取较大值，new_score = max(old_score, 加强score)
  - replace : 加强score直接替换掉old_score，new_score = 加强score
- score_mode : 决定functions裡面的加强score们怎麽合併，会先合併加强score们成一个总加强score，再使用总加强score去和old_score做合併，换言之就是会先执行score_mode，再执行boost_mode
  - multiply (默认)
  - sum
  - avg
  - first : 使用首个函数(可以有filter，也可以没有)的结果作为最终结果
  - max
  - min
- max_boost : 限制加强函数的最大效果，就是限制加强score最大能多少，但要注意不会限制old_score
  - 如果加强score超过了max_boost限制的值，会把加强score的值设成max_boost的值
  - 假设加强score是5，而max_boost是2，因为加强score超出了max_boost的限制，所以max_boost就会把加强score改为2
  - 简单的说，就是加强score = max(加强score, max_boost)

function_score查询模板

如果要使用function_score改变分数，要使用function_score查询
简单的说，就是在一个function_score内部的query的全文搜索得到的_score基础上，给他加上其他字段的评分标准，就能够得到把 "全文搜索 + 其他字段" 综合起来评分的效果

单个加强函数的查询模板

GET 127.0.0.1/mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {.....}, //主查询，查询完后这裡自己会有一个评分，就是old_score
            "field_value_factor": {...}, //在old_score的基础上，给他加强其他字段的评分，这裡会产生一个加强score
，如果只有一个加强function时，直接将加强函数名写在query下面就可以了
            "boost_mode": "multiply", //指定用哪种方式结合old_score和加强score成为new_score
            "max_boost": 1.5 //限制加强score的最高分，但是不会限制old_score
        }
    }
}

多个加强函数的查询模板
- 如果有多个加强函数，那就要使用functions来包含这些加强函数们，functions是一个数组，裡面放著的是将要被使用的加强函数列表
- 可以为functions裡的加强函数指定一个filter，这样做的话，只有在文档满足此filter的要求，此filter的加强函数才会应用到文挡上，也可以不指定filter，这样的话此加强函数就会应用到全部的文挡上
- 一个文档可以一次满足多条加强函数和多个filter，如果一次满足多个，那麽就会产生多个加强score，因此ES会使用score_mode定义的方式来合併这些加强score们，得到一个总加强score，得到总加强score之后，才会再使用boost_mode定义的方式去和old_score做合併
- 像是下面的例子，field_value_factor和gauss这两个加强函数会应用到所有文档上，而weight只会应用到满足filter的文档上，假设有个文档满足了filter的条件，那他就会得到3个加强score，这3个加强score会使用sum的方式合併成一个总加强score，然后才和old_score使用multiply的方式合併
```
GET 127.0.0.1/mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {.....},
            "functions": [   //可以有多个加强函数(或是filter+加强函数)，每一个加强函数会产生一个加强score，因
此functions会有多个加强score
                { "field_value_factor": ... },
                { "gauss": ... },
                { "filter": {...}, "weight": ... }
            ],
            "score_mode": "sum", //决定加强score们怎麽合併,
            "boost_mode": "multiply" //決定總加強score怎麼和old_score合併
        }
    }
}
```

不要执著在调整function_score上
- 文档相关度的调整非常玄，"最相关的文档" 是一个难以触及的模糊概念，每个人对文档排序有著不同的想法，这很容易使人陷入持续反覆调整，但是确没有明显的进展
- 为了避免跳入这种死循环，在调整function_score时，一定要搭配监控用户操作，才有意义
  - 像是如果返回的文档是用户想要的高相关的文档，那麽用户就会选择前10个中的一个文档，得到想要的结果，反之，用户可能会来回点击，或是尝试新的搜索条件
  - 一旦有了这些监控手段，想要调适完美的function_score就不是问题
- 因此调整function_score的重点在于，要透过监控用户、和用户互动，慢慢去调整我们的搜索条件，而不要妄想一步登天，第一次就把文档的相关度调整到最好，这几乎是不可能的，因为，连用户自己也不知道他自己想要什麽

ElasticSearch - function_score 简介

猜你喜欢