Elasticsearch 7.x 深入【7】文档打分

2020-05-13 本文已影响0人孙瑞锴

1. 借鉴

极客时间阮一鸣老师的Elasticsearch核心技术与实战
 ElasticSearch7+Spark构建高相关性搜索服务&千人千面推荐系统
 Lucene学习总结之六：Lucene打分公式的数学推导
 【Elasticsearch】打分策略详解与explain手把手计算
 官网 Theory Behind Relevance Scoring
对数计算器

2. 开始

数据准备：Elasticsearch 7.x 深入数据准备

自定义打分

使用function score自定义打分

在查询结束后，对匹配的每个文档进行重新算分并排序

如何来构建一个function_score的查询呢？其实就是将我们平时在query里面的部分移到function_score的query里面，加上一些余外的算法。我们来举个栗子,然后一步一步了解其算法规则，因为在functions中可以指定多个规则，我们先以一个规则的为例

GET /notes/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "title": "elasticsearch hadoop canal"
        }
      },
      "functions": [
        {
          "field_value_factor": {
            "field": "grade"
          }
        }
      ]
    }
  }
}

可以看到返回的结果中的分数已经被grade取代了

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 98.08292,
    "hits" : [
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 98.08292,
        "_source" : {
          "title" : "Elasticsearch",
          "content" : "About Elasticsearch",
          "grade" : 100
        }
      },
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 3.9233167,
        "_source" : {
          "title" : "Hadoop",
          "content" : "About Hadoop",
          "grade" : 4.5
        }
      },
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 3.9233167,
        "_source" : {
          "title" : "Canal",
          "content" : "About Canal",
          "grade" : 4.7
        }
      }
    ]
  }
}

可以看到目前function_score的算分规则就是：match匹配的相关的分数*grade的数值

可以看到如果grade差距非常大时，分数差距特别大，有哪些参数可以调整它的离散程度呢？

变更分数1

使用modifier：我们可以添加modifier属性来使分数更加平滑。它有以下备选值

值	释义
none	不使用
log	以10为底，新分值=老分值*log(filed的值)
log1p	以10为底，新分值=老分值*log(1 + filed的值)
log2p	以10为底，新分值=老分值*log(2 + filed的值)
ln	以e为底，新分值=老分值*ln( filed的值)
ln1p	以e为底，新分值=老分值*ln(1 + filed的值)
ln2p	以e为底，新分值=老分值*ln(2 + filed的值)
square	平方
sqrt	开方
reciprocal	倒数

在说modifier之前，我们先说下上面所谓的新老分数。
1. 老分数：说的是function_score的query部分的分数，也就是相关度分数，查看这一部分算分跟我们直接写query看到的分数是一样的。
2. 新分数：就是说function_score返回的分数。
我们使用modifier，来看看

GET /notes/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "title": "elasticsearch hadoop canal"
        }
      },
      "functions": [
        {
          "field_value_factor": {
            "field": "grade",
            "modifier": "log1p"
          }
        }
      ]
    }
  }
}

可以看到，就算grade的分支差别特别大，最后算的分数的离散程度不会特别高

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 1.9658968,
    "hits" : [
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.9658968,
        "_source" : {
          "title" : "Elasticsearch",
          "content" : "About Elasticsearch",
          "grade" : 100
        }
      },
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 0.6855702,
        "_source" : {
          "title" : "Hadoop",
          "content" : "About Hadoop",
          "grade" : 4.5
        }
      },
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 0.6855702,
        "_source" : {
          "title" : "Canal",
          "content" : "About Canal",
          "grade" : 4.7
        }
      }
    ]
  }
}

嗯，我们来以这个例子的id为1，title是Elasticsearch的文档分数为例，手动计算一下分数到底是不是我们上面说的那一回事。

-	-	补充说明
老分数	0.9808292	`通过以下查询得来的分数:` GET /notes/_search { "query": { "match": { "title": "elasticsearch hadoop canal" } } }
计算公式为	新分值=老分值*log(1 + filed的值)	我们使用的modifier为log1p
我们计算的新分数的值:	0.9808292 * log(1 + 100) = 0.9808292 * 2.0043 = 1.96587597	-
es通过function_score查询出来的值:	1.9658968	-

通过计算可以看到，跟我们计算的结果基本一致。(●´∀｀●)ﾉ

变更分数2

使用factor：我们可以添加factor属性来在modifier的基础上使其增加相应的权重，我们以modifier为log1p为例，同时设置factor为3，则最终得分的计算公式为：新分数=老分数*log(1 + factor * grade的分数)

GET /notes/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "title": "elasticsearch hadoop canal"
        }
      },
      "functions": [
        {
          "field_value_factor": {
            "field": "grade",
            "modifier": "log1p",
            "factor": 2
          }
        }
      ]
    }
  }
}

结果如下，ID为1的文档我计算的分数结果是2.25904581，可以看到分数也基本一致

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 2.2590418,
    "hits" : [
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 2.2590418,
        "_source" : {
          "title" : "Elasticsearch",
          "content" : "About Elasticsearch",
          "grade" : 100
        }
      },
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 0.9359489,
        "_source" : {
          "title" : "Hadoop",
          "content" : "About Hadoop",
          "grade" : 4.5
        }
      },
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 0.9359489,
        "_source" : {
          "title" : "Canal",
          "content" : "About Canal",
          "grade" : 4.7
        }
      }
    ]
  }
}

变更分数3

使用score_mode: 控制functions内部的计算规则。这是什么意思呢？因为functions是一个数组，里面可以有多个函数。

值	释义	是否默认
Multiply	match匹配的相关的分数*grade的数值	是
Sum	match匹配的相关的分数+grade的数值	否
Max/Min	最大/最小；【取（match匹配的相关的分数）或（grade的数值）中的最大/最小值】	否
Replace	使用函数值【grade的数值】替换算分	否

这里我们以sum为例

GET /notes/_search
{
  "_source": "", 
  "query": {
    "function_score": {
      "query": {
        "match": {
          "title": "elasticsearch hadoop canal"
        }
      },
      "functions": [
        {
          "field_value_factor": {
            "field": "grade",
            "modifier": "log2p",
            "factor": 10
          }
        },
        {
          "field_value_factor": {
            "field": "grade",
            "modifier": "log2p",
            "factor": 5
          }
        }
      ],
      "score_mode": "sum"
    }
  }
}

返回结果：

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 5.5922675,
    "hits" : [
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 5.5922675,
        "_source" : { }
      },
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 2.9088175,
        "_source" : { }
      },
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 2.9088175,
        "_source" : { }
      }
    ]
  }
}

嗯，我们来以这个例子的id为1，title是Elasticsearch的文档分数为例，我们再来手动计算一下。

-	-	补充说明
老分数	0.9808292	`通过以下查询得来的分数:` GET /notes/_search { "query": { "match": { "title": "elasticsearch hadoop canal" } } }
计算公式为	新分值=老分值 * (log(2 + 5* filed的值) + log(2 + 10* filed的值))	我们使用的modifier为log2p
我们计算的新分数的值:	0.9808292 * (log(2 + 5 100) + log(2 + 10 100)) = 0.9808292 * (2.7007 + 3.0009) = 5.59229577	-
es通过function_score查询出来的值:	5.5922675	-

通过计算可以看到，跟我们计算的结果基本一致。(●´∀｀●)ﾉ

变更分数4

使用boost_mode：控制query和functions部分的计算规则在上面我们看到分值的计算是使用相乘的方式：match匹配的相关的分数*grade的数值，使用boost mode则可以控制计算方式。

值	释义	是否默认
Multiply	match匹配的相关的分数*grade的数值	是
Sum	match匹配的相关的分数+grade的数值	否
Max/Min	最大/最小；【取（match匹配的相关的分数）或（grade的数值）中的最大/最小值】	否
Replace	使用函数值【grade的数值】替换算分	否

这里我们以sum为例

GET /notes/_search
{
  "_source": "", 
  "query": {
    "function_score": {
      "query": {
        "match": {
          "title": "elasticsearch"
        }
      },
      "functions": [
        {
          "field_value_factor": {
            "field": "grade"
          }
        }
      ],
      "boost_mode": "sum"
    }
  }
}

结果如下，可以看到score已经变为相加了：

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 100.98083,
    "hits" : [
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 100.98083,
        "_source" : { }
      }
    ]
  }
}

这里我就不算了，如果不设置，默认为multiply，可以参照我们本篇前面的那个计算一下。

max_boost属性

使用max_boost：设置分数在某个范围以内

GET /notes/_search
{
  "_source": "", 
  "query": {
    "function_score": {
      "query": {
        "match": {
          "title": "elasticsearch hadoop canal"
        }
      },
      "functions": [
        {
          "field_value_factor": {
            "field": "grade"
          }
        }
      ],
      "max_boost": 10
    }
  }
}

结果如下，我们使用max_boost将分数规定在了10分以内

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 9.808291,
    "hits" : [
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 9.808291,
        "_source" : { }
      },
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 3.9233167,
        "_source" : { }
      },
      {
        "_index" : "notes",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 3.9233167,
        "_source" : { }
      }
    ]
  }
}

random_score属性

random_score：一致性随机函数。设置seed属性，如果seed值保持一致，那查询出来的结果排序就是相同的。

GET /notes/_search
{
  "_source": "", 
  "query": {
    "function_score": {
      "query": {
        "match": {
          "title": "elasticsearch hadoop canal"
        }
      },
      "functions": [
        {
          "random_score": {
            "seed": 1231
          }
        }
      ]
    }
  }
}

计算分值的函数

函数	释义
weight	设置权重
field value factor	使用该值来修改score
random	随机算分
衰减函数	以某个字段的值为标准，距离某个值越接近，得分越高
script	自定义脚本实现算分

查看打分详情

1. 在查询中添加_explain参数

GET /tmdb_movies/_search
{
  "explain": true, 
  "query": {
    "multi_match": {
      "query": "steve",
      "fields": ["title"]
    }
  }
}

我们以查询结果的第一篇文档做例子

得分分析

2. 使用_validate/query?explain

GET /tmdb_movies/_validate/query?explain
{
  "query": {
    "multi_match": {
      "query": "steve",
      "fields": ["title"]
    }
  }
}

查询结果

{
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "failed" : 0
  },
  "valid" : true,
  "explanations" : [
    {
      "index" : "tmdb_movies",
      "valid" : true,
      "explanation" : "title:steve"
    }
  ]
}

Elasticsearch 7.x 深入【7】文档打分

1. 借鉴

2. 开始

自定义打分

使用function score自定义打分

变更分数1

变更分数2

变更分数3

变更分数4

max_boost属性

random_score属性

查看打分详情

1. 在查询中添加_explain参数

2. 使用_validate/query?explain

3. 大功告成

猜你喜欢

热点阅读