1. 为帖子数据增加content字段
View Code
2. 搜索title或content中包含java或solution的帖子 GET /forum/article/_search { "query": { "bool": { "should": [ { "match": { "title": "java solution" }}, { "match": { "content": "java solution" }} ] } } } 期望的是doc5,结果是doc2,doc4排在了前面,它的计算过程是: 计算每个document的relevance score:每个query的分数,乘以matched query数量,除以总query数量 算一下doc4的分数 { "match": { "title": "java solution" }},针对doc4,是有一个分数的 所以是两个分数加起来,比如说,1.1 + 1.2 = 2.3 2.3 * 2 / 2 = 2.3 算一下doc5的分数 { "match": { "title": "java solution" }},针对doc5,是没有分数的 所以说,只有一个query是有分数的,比如2.3 2.3 * 1 / 2 = 1.15 doc5的分数 = 1.15 < doc4的分数 = 2.3 3. best fields策略,dis_max best fields策略,就是说,搜索到的结果,应该是某一个field中匹配到了尽可能多的关键词,被排在前面;而不是尽可能多的field匹配到了少数的关键词,排在了前面,dis_max语法,直接取多个query中,分数最高的那一个query的分数即可 { "match": { "title": "java solution" }},针对doc4,是有一个分数的,1.1 { "match": { "title": "java solution" }},针对doc5,是没有分数的 然后doc4的分数 = 1.2 < doc5的分数 = 2.3,所以doc5就可以排在更前面的地方,符合我们的需要 GET /forum/article/_search { "query": { "dis_max": { "queries": [ { "match": { "title": "java solution" }}, { "match": { "content": "java solution" }} ] } } } 4. 搜索title或content中包含java beginner的帖子 GET /forum/article/_search { "query": { "dis_max": { "queries": [ { "match": { "title": "java beginner" }}, { "match": { "content": "java beginner" }} ] } } } (1)某个帖子,doc1,title中包含java,content不包含java beginner任何一个关键词 dis_max,只是取分数最高的那个query的分数而已,完全不考虑其他query的分数 5. 使用tie_breaker将其他query的分数也考虑进去 tie_breaker参数的意义,在于说,将其他query的分数,乘以tie_breaker,然后综合与最高分数的那个query的分数,综合在一起进行计算,除了取最高分以外,还会考虑其他的query的分数,tie_breaker的值,一般在0~1之间,是个小数,就可以 GET /forum/article/_search { "query": { "dis_max": { "queries": [ { "match": { "title": "java beginner" }}, { "match": { "body": "java beginner" }} ], "tie_breaker": 0.3 } } } 6. minimum_should_match 主要是用来去长尾,long tail长尾,比如你搜索5个关键词,但是很多结果是只匹配1个关键词的,其实跟你想要的结果相差甚远,这些结果就是长尾
GET /forum/article/_search { "query": { "dis_max": { "queries": [ { "match": { "title": { "query": "java beginner", "minimum_should_match": "50%", "boost": 2 } } }, { "match": { "body": { "query": "java beginner", "minimum_should_match": "30%" } } } ], "tie_breaker": 0.3 } } }
7. 从best-fields换成most-fields策略 best-fields策略,主要是说将某一个field匹配尽可能多的关键词的doc优先返回回来 两者的主要区别是:
(1)best_fields,是对多个field进行搜索,挑选某个field匹配度最高的那个分数,同时在多个query最高分相同的情况下,在一定程度上考虑其他query的分数。简单来说,你对多个field进行搜索,就想搜索到某一个field尽可能包含更多关键字的数据
优点:通过best_fields策略,以及综合考虑其他field,还有minimum_should_match支持,可以尽可能精准地将匹配的结果推送到最前面
实际的例子:百度之类的搜索引擎,最匹配的到最前面,但是其他的就没什么区分度了
(2)most_fields,综合多个field一起进行搜索,尽可能多地让所有field的query参与到总分数的计算中来,此时就会是个大杂烩,出现类似best_fields案例最开始的那个结果,结果不一定精准,某一个document的一个field包含更多的关键字,但是因为其他document有更多field匹配到了,所以排在了前面;所以需要建立类似sub_title.std这样的field,尽可能让某一个field精准匹配query string,贡献更高的分数,将更精准匹配的数据排到前面
优点:将尽可能匹配更多field的结果推送到最前面,整个排序结果是比较均匀的 实际例子:wiki网站,明显的most_fields策略,搜索结果比较均匀,但是的确要翻好几页才能找到最匹配的结果
|
|