Elasticsearch – 二次打分处理方案

有时ES默认的评分规则并不能满足需求，时长会有在old_source的基础上根据某字段的值需要重新打分的需求场景，比如在相关度相差不大的情况下时间越进越靠前，或者评论数越多越靠前等等。此时需要重新打分。对此可以通过两种方式法来处理：

1、在创建索引的时候提高文档的权重，根据因素字段值来给文档设置boost.这种方式在lucene之前有效，之后就无效了。不建议采用。

2、通过function_query来设置分数。

通过function_query来设置分数

线性提升

如在相关度相差不大的情况下，投票的数量越多排名越往前。可以采用简单的线性方式来处理:

1GET /blogposts/post/_search  
2{  
3  "query": {  
4    "function_score": {  
5      "query": {  
6        "multi_match": {  
7          "query":    "popularity",  
8          "fields": [ "title", "content" ]  
9        }  
10      },  
11      "field_value_factor": {  
12        "field":    "votes",  
13        "modifier": "log1p",  
14        "factor":   2   
15      }  
16    }  
17  }  
18}

其中：

field：表示影响权重的字段例子中是votes
modifier：表示影响的规则
修饰语 modifier 的值可以为： none （默认状态） log 、 log1p 、 log2p 、 ln 、 ln1p 、 ln2p 、 square 、 sqrt 以及 reciprocal。 facror：表示影响因子。通过上面设置后整个打分变为：

new_score = old_score * log(1 + factor * number_of_votes)
factor 值大于 1 会提升效果， factor 值小于 1 会降低效果。

初次之外还可以设置boost_mode影响因子和old_source通过什么运算来得出新分值。

1GET /blogposts/post/_search  
2{  
3  "query": {  
4    "function_score": {  
5      "query": {  
6        "multi_match": {  
7          "query":    "popularity",  
8          "fields": [ "title", "content" ]  
9       }  
10      },  
11      "field_value_factor": {  
12        "field":    "votes",  
13        "modifier": "log1p",  
14        "factor":   0.1  
15      },  
16      "boost_mode": "sum" ,  
17      "max_boost":  1.5   
18    }  
19  }  
20}

boost_mode multiply评分 _score 与函数值的积（默认） sum评分 _score 与函数值的和 min评分 _score 与函数值间的较小值 max评分 _score 与函数值间的较大值 replace函数值替代评分 _scoremax_boost设置最大的得分分值无论 field_value_factor 函数的结果如何，最终结果都不会大于 1.5

引入模型函数来控制二次评分

上线是一种线性的影响关系，有时会有范围性质、分数变化缓慢的需求场景，此时在使用上面的方案未免为使分数变化的不太圆滑，es提供了三种衰减函数(decay functions)来计算分数，让我们有能力在两个滑动标准如：地点和价格，时间等之间权衡。

   linear、 exp 和 gauss （线性、指数和高斯函数），它们可以操作数值、时间以及经纬度地理坐标点这样的字段。所有三个函数都能接受以下参数：

origin:中心点或字段可能的最佳值，落在原点 origin 上的文档评分 _score 为满分 1.0 。 scale:衰减率,即一个文档从原点origin下落时,评分_score 改变的速度.(例如，每 £10 欧元或每 100 米) decay:从原点 origin 衰减到 scale 所得的评分 _score ，默认值为 0.5 。 offset:以原点 origin 为中心点，为其设置一个非零的偏移量 offset 覆盖一个范围，而不只是单个原点。在范围 -offset <= origin <= +offset 内的所有评分 _score 都是 1.0 。这三个函数的唯一区别就是它们衰减曲线的形状，用图来说明会更为直观

图图 33 “衰减函数曲线” 中所有曲线的原点 origin （即中心点）的值都是 40 ， offset 是 5 ，也就是在范围 40 - 5 <= value <= 40 + 5 内的所有值都会被当作原点 origin 处理——所有这些点的评分都是满分 1.0 。

在此范围之外，评分开始衰减，衰减率由 scale 值（此例中的值为 5 ）和衰减值 decay （此例中为默认值 0.5 ）共同决定。结果是所有三个曲线在 origin +/- (offset + scale) 处的评分都是 0.5 ，即点 30和 50 处。

linear 、 exp 和 gauss （线性、指数和高斯）函数三者之间的区别在于范围（ origin +/- (offset + scale) ）之外的曲线形状：

linear 线性函数是条直线，一旦直线与横轴 0 相交，所有其他值的评分都是 0.0 。 exp 指数函数是先剧烈衰减然后变缓。 gauss 高斯函数是钟形的——它的衰减速率是先缓慢，然后变快，最后又放缓。选择曲线的依据完全由期望评分 _score 的衰减速率来决定，即距原点 origin 的值。

回到我们的例子：用户希望租一个离伦敦市中心近（ { "lat": 51.50, "lon": 0.12} ）且每晚不超过 £100 英镑的度假屋，而且与距离相比，我们的用户对价格更为敏感，这样查询可以写成：

1{  
2    "query": {  
3        "function_score": {  
4          "functions": [  
5            {  
6              "gauss": {  
7                "price": {  
8                  "origin": "0",  
9                  "scale": "20"  
10                }  
11              }  
12            },  
13            {  
14              "gauss": {  
15                "location": {  
16                  "origin": "11, 12",  
17                  "scale": "2km"  
18                }  
19              }  
20            }  
21          ],  
22          "query": {  
23            "match": {  
24              "properties": "balcony"  
25            }  
26          },  
27          "score_mode": "multiply"  
28        }  
29    }  
30}

location 字段以地理坐标点 geo_point 映射。 price 字段是数值。 price 语句是 location 语句权重的两倍。 location 语句可以简单理解为：以伦敦市中作为原点 origin 。所有距原点 origin 2km 范围内的位置的评分是 1.0 。距中心 5km （ offset + scale ）的位置的评分是 0.5 。

weight 参数可以被用来调整每个语句的贡献度，权重 weight 的默认值是 1.0 。这个值会先与每个句子的评分相乘，然后再通过 score_mode 的设置方式合并。

参考资料

解析elasticsearch二次打分处理方案