相关度评分背后的理论

// 附录8

总述: 匹配文档+实用评分函数打分

Lucene（或 Elasticsearch）使用 布尔模型（Boolean model） 查找匹配文档，
并用一个名为 实用评分函数（practical scoring function） 的公式来计算相关度。
这个公式借鉴了 词频/逆向文档频率（term frequency/inverse document frequency） 和 向量空间模型（vector space model），
同时也加入了一些现代的新特性，如协调因子（coordination factor），字段长度归一化（field length normalization），以及词或查询语句权重提升。

字段长度归一化

什么是相关性?&explain // TODO

https://www.cnblogs.com/yudidi/p/12841277.html

基本过程

查询结果
对查询结果打分

单个词查询的打分过程:

一个多词查询的打分过程 TODO

修改打分的方法

• 在match中使用boost关键字为不同的字段设置不同的重要性

1. 在query-bool-should-某个字段的match语句中设置2个字段boost分为2和1，表示前1个字段比后一个字段重要2倍。 // 附录4

{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
                 给字段title设置boost值=2
          }
        },
        {
          "match": { 
            "content": "quick brown fox"
            // content字段，默认boost=1.
          }
        }
      ]
    }
  }
}

title 查询语句的重要性是 content 查询的 2 倍，因为它的权重提升值为 2 。
没有设置 boost 的查询语句的值为 1 。

2. 调整查询结构中查询语句的所处层次，从而或多或少改变其重要性。 // 附录5

// quick OR brown OR red OR fox
"should": [
        { "term": { "text": "quick" }},
        { "term": { "text": "brown" }},
        { "term": { "text": "red"   }},
        { "term": { "text": "fox"   }}
      ]
=>
// quick OR (brown OR red) OR fox
 "should": [
        { "term": { "text": "quick" }},
        { "term": { "text": "fox"   }},
        {
          "bool": {
            "should": [
              { "term": { "text": "brown" }},
              { "term": { "text": "red"   }}
            ]
          }
        }
      ]

3. 通过boosting的negative对包含负向词的文档降权。// 附录6
   为了达到效果， negative_boost 的值必须小于 1.0 。在这个示例中，所有包含负向词的文档评分 _score 都会减半。

4. constant_score忽略TF/IDF
   略

5. function_score 终极武器

综述:

1. 它允许为每个与主查询匹配的文档应用一个或多个函数，以达到改变甚至完全替换原始查询评分 _score 的目的。
2. function_score查询允许用户指定任何数量的任意函数functions，让它们作用于匹配了初始查询的文档，修改其得分。

• 5.1 weight关键字
  Q: function_score的weight和boost关键字的作用方式不同。
  A: weight函数将得分乘以一个常数。注意，普通的boost字段按照标准化来增加分数，而weight是真正将得分乘以确定的数值。

• 5.2 functions关键字
  指定一个函数，函数内使用weight //附录7
  指定多个函数，每个函数内使用weight // 附录9

• 5.3 得分合并
  得分合并有以下两种情况：
  从每个单独的函数而来的得分是如何合并的，这被称为score_mode。
  从函数而来的得分是如何同原始查询得分合并的，这被称为boost_mode。

• 5.4 field_value_factor函数
  全部的关键字如下

 "field_value_factor": {
        "field":    "votes",
        "modifier": "log1p",
        "factor":   0.1
      },
      "boost_mode": "sum",
      "max_boost":  1.5 

• 5.5 function_score+functions的书写格式 //附录10

{
  "query": {
    "function_score": {
      "query": {
        "match_all": {}
      },
      "functions": [
        {
          "weight": 1.5,
          "filter": {
            "term": {
              "description": "hadoop"
            }
          }
        },
        {
          "field_value_factor": {
            "field": "reviews",
            "factor": 10.5,
            "modifier": "log1p",
            "missing": 0
          }
        },
        {
          "script_score": {
            "script": {
              "source": "if (doc[\u0027attendees\u0027].value != null) { Math.log(doc[\u0027attendees\u0027].values.size() * params.myweight)} else _score",
              "params": {
                "myweight": 3
              }
            }
          }
        },
        {
          "gauss": {
            "location_event.geolocation": {
              "origin": "40.018528,-105.275806",
              "offset": "100m",
              "scale": "2km",
              "decay": "0.5"
            }
          }
        }
      ],
      "score_mode":"sum",
      "boost_mode":"replace"
    }
  }
}

• 5.6 脚本打分 //TODO

ES打分机制和es的function_score(TODO)

https://www.elastic.co/guide/en/elasticsearch/reference/6.3/query-dsl-function-score-query.html#

ES打分机制

1. TF-IDF算法计算文档得分 // 附录1: 基本上就是网页排名(pagerank)*相关性(TF-IDF)。

boost_mode

"boost_mode": "multiply", // query score and function score is multiplied (default)

参考

1. 数学之美-第11章　如何确定网页和查询的相关性。
2. 查询打分和自定义打分相乘得最终得分
3. 触类旁通Elasticsearch：打分
4. boost关键提升字段权重
5. 调整should语句的组合关系, quick OR (brown OR red) OR fox
6. 所有包含负向词的文档评分 _score 都会减半
7. weight*_score,但是boost按照标准化来增加分数TODO--五、function_score
8. bool匹配,
9. 五、function_score--functions--多个函数
10. （7）综合示例

标签：function,term,查询,score,相关度,boost,打分,es
来源： https://www.cnblogs.com/yudidi/p/12754423.html