Elasticsearch 相关度评分

Elasticsearch 相关度评分，内容来自 B 站中华石杉 Elasticsearch 顶尖高手系列课程核心知识篇，本文内容似乎有些过时

TF&IDF 算法介绍

relevance score 算法，简单来说，就是计算出一个索引中的文本与搜索文本之间的关联匹配程度

Elasticsearch 使用的是 term frequency/inverse document frequency 算法，简称为 TF/IDF 算法。

Term frequency：搜索文本中的各个词条在 field 文本中出现了多少次，出现次数越多，就越相关

搜索请求：hello world

doc1：hello you, and world is very gooddoc2：hello, how are you

Inverse document frequency：搜索文本中的各个词条在整个索引的所有文档中出现了多少次，出现的次数越多，就越不相关

搜索请求：hello world

doc1：hello, today is very gooddoc2：hi world, how are you

比如说，在 index 中有 1 万条 document，hello 这个单词在所有的 document 中，一共出现了 1000 次；world 这个单词在所有的 document 中，一共出现了 100 次

那么 doc2 更相关

Field-length norm：field 长度越长，相关度越弱

搜索请求：hello world

doc1：{ "title": "hello article", "content": "babaaba 1万个单词" }doc2：{ "title": "my article", "content": "blablabala 1万个单词，hi world" }

hello world 在整个 index 中出现的次数是一样多的

doc1 更相关，因为 title field 更短

_score 是如何被计算出来的

GET /test_index/test_type/_search?explain{  "query": {    "match": {      "test_field": "test hello"    }  }}

分析一个 document 是如何被匹配上的

GET /test_index/test_type/6/_explain{  "query": {    "match": {      "test_field": "test hello"    }  }}