了解Elasticsearch 的相关性评分

作者: 裘马轻狂大帅 | 来源:发表于2020-06-18 20:49 被阅读0次

了解Elasticsearch 的相关性评分
Elasticsearch学习笔记(15) - 相关性算分
Elasticsearch之排序与相关性
ElasticSearch(ES)搜索排序、相关性、评分机制
4.9-使用SearchTemplate和IndexAlias进
【elasticsearch】19、使用search templ
Elasticsearch如何评分?-Apache Lucene
5.6-排序及DocValues&Fielddata
elasticsearch relevance scoring
Elasticsearch 相关度评分 TF&IDF算法

一、相关概念：

1、相关性：

确切地说，应该加限定词，应该称作，已匹配到的内容的相关性。通俗地讲，就是已匹配到的内容跟要搜索的词（或句子）像不像。其中，已匹配到的内容，是指那些匹配了部分的搜索词的内容，或者完全和搜索词一模一样，这样就算匹配。而这个“像不像”，有一模一样，9分像，3分像的区别，而这个到底有多像，就是相关性。相关性评分是一个用数字量化的值，值越高，表示相关性越强，和要搜索的内容越接近。

二、计算：

Elasticsearch 的相关性评分用一个正浮点数字段 _score 来表示。_score 的评分越高，相关性越高。查询语句会为每个文档生成一个 _score 字段用以表示相关性，默认按降序排序。ES早期版本使用的算法是：检索词频率/反向文档频率（即：TF/IDF算法），ES5.0以后使用的算法变成了BM25算法，是TF与IDF的乘积。根据不同的查询条件以及查询条件不同的组合方式，每个查询条件经过BM25算法得到的值会再经过不同的运算最终得到 _score相关性评分。