标签：elasticsearch 全文搜索 搜索引擎 lucene tf-idf
本章翻译自Elasticsearch官方指南的Controlling Relevance一章。
有时我们不需要TF/IDF。我们想知道的只是一个特定的单词是否出现在了字段中。比如我们正在搜索度假酒店，希望它拥有的卖点越多越好：
而关于度假酒店的文档类似下面这样：
{ "description": "A delightful four-bedroomed house with ... " }
可以使用一个简单的match查询：
GET /_search
{
"query": {
"match": {
"description": "wifi garden pool"
}
}
}
然而，我们需要的并不是真正的全文搜索。此时TF/IDF只会碍手碍脚。我们不在意wifi是否是一个常见的词条，也不在意它在文档中出现的是否频繁。我们在意的只是它是否出现了。实际上，我们只是想通过卖点来对这些度假酒店进行排序 - 越多越好。如果拥有一个卖点，那么它的分值就是1，如果没有它的分值就是0。
首先介绍constant_score查询。该查询能够包含一个查询或者一个过滤器，所有匹配文档的相关度分值都为1，不考虑TF/IDF：
GET /_search
{
"query": {
"bool": {
"should": [
{ "constant_score": {
"query": { "match": { "description": "wifi" }}
}},
{ "constant_score": {
"query": { "match": { "description": "garden" }}
}},
{ "constant_score": {
"query": { "match": { "description": "pool" }}
}}
]
}
}
}
大概并不是所有的卖点都同等重要 - 其中的某些更有价值。如果最看中的卖点是泳池，那么我们可以对它进行相应提升：
GET /_search
{
"query": {
"bool": {
"should": [
{ "constant_score": {
"query": { "match": { "description": "wifi" }}
}},
{ "constant_score": {
"query": { "match": { "description": "garden" }}
}},
{ "constant_score": {
"boost": 2
"query": { "match": { "description": "pool" }}
}}
]
}
}
}
NOTE
每个结果的最终分值并不是将所有匹配子句的分值累加而得到。Coordination因子和查询归约因子(Query Normalization Factor)仍然会被考虑在内。
我们可以在度假酒店的文档中添加一个not_analyzed类型的features字段：
{ "features": [ "wifi", "pool", "garden" ] }
默认情况下，一个not_analyzed字段的字段长度归约(Field-length Norm)是被禁用的，同时其index_options也会被设置为docs，从而禁用词条频度(Term Frequencies)，但是问题还是存在：每个词条的倒排文档频度(Inverse Document Frequency)仍然会被考虑。
仍然使用constant_score查询：
GET /_search
{
"query": {
"bool": {
"should": [
{ "constant_score": {
"query": { "match": { "features": "wifi" }}
}},
{ "constant_score": {
"query": { "match": { "features": "garden" }}
}},
{ "constant_score": {
"boost": 2
"query": { "match": { "features": "pool" }}
}}
]
}
}
}
实际上，每个卖点都应该被视为一个过滤器。度假酒店要么有该卖点，要么没有 - 使用过滤器似乎是更自然的选择。并且如果我们使用了过滤器，还可以得益于过滤器缓存这一功能。
不使用过滤器的根源在于：过滤器不会计算相关度分值。我们需要的是一座用来连接过滤器和查询的桥梁。而function_score查询就能够做到这一点，并且它也提供了更多的功能。
[Elasticsearch] 控制相关度 (四) - 忽略TF/IDF
标签：elasticsearch 全文搜索 搜索引擎 lucene tf-idf
原文地址：http://blog.csdn.net/dm_vincent/article/details/42157577
