深入理解Elasticsearch搜索算法

废话不多说，理解了搜索相关算法是理解搜索的核心！

• 对于TF/IDF
• 常见的相关度优化方法

对于TF/IDF

在一个搜索过程中，通常都是这样的过程

• 过滤，像boolean查询等，must、must not，先过滤出结果
• TF/IDF对一个term进行分数计算
• 利用空间向量模型，多个term算出一个总分数。

常见的搜索优化方法

实得分数地方

• 通过boost改变词条权重
• 改变查询结构，通过bool嵌套bool的方式，仍然相当于改变了他们的权重
• positive 和negative机制，比如想搜索包含hello的，但是尽量不包含Word的doc，利用negative查询，并通过negative_boost降低分数
• constant_score机制，直接对某些词条使用不计算分数，部分地方可以用这个提升速度
  *自定义相关度分数算法function_score,boost_mode决定分数与指定字段的值如何计算，相加还是取最大等等。可以通过modifier让计算的分数更平滑，
  https://blog.csdn.net/wuzhiwei549/article/details/80434603
• 提升索引权重，如通过indices_boost指定某些索引的权重