type
status
date
slug
summary
tags
category
icon
password
使用 Es 搜索，发现搜索结果关键词命中数 3 的文档排在关键词命中数 20 的前面，想让 Es 搜索结果安装关键词命中数排序。
Es 默认相关性算法
Es 5.0 之前，默认的相关性算分采用的是 TF-IDF，而之后则默认采用 BM25
用 Es 的 explain 查询可以看到详细的算分过程：
输出：
文档分数 = boost \* idf \* tf
idf = log(1 + (N - n + 0.5) / (n + 0.5))
tf = freq / (freq + k1 \* (1 - b + b \* dl / avgdl))
变量 | 解释 |
boost | 权重分数，这个可以在查询语句中传入 |
idf | 逆文档率 = log(1 + (N - n + 0.5) / (n + 0.5))<br><br>N - 总的文档数<br>n - 出现“联合”一次的文档数。 |
tf | 词频 = freq / (freq + k1 \* (1 - b + b \* dl / avgdl)) <br><br>freq - 搜索词在该文档出现的次数<br>k1 - 控制词频影响的重要程度，默认值 1.2<br>b - 控制对大长文本字段的惩罚程度，默认值 0.75<br>dl - 该文档中检索字段的长度<br>avgdl - 检索字段的平均长度。 |
BM25 调参
调整方式，只能在创建索引的时候调整，无法动态调整。
创建自定义的
custom_similarity，参数 b 的值设置为 0，k1 保持默认的 1.2，当 b = 0 时，tf 公式就变成了 freq / (freq + k1)，tf 分数完全忽略文本长度的影响。但是 idf 中 的 N 和 n 取决于搜索词和数据，无法修改，只能调 tf 的整参数 b 和 k1，无法完全消除文本长度对相关性的影响。
自定义 similarity 算法
建立索引，自定义 similarity：
导入一些数据：
搜索测试：
搜索结果：
可以使用的值已经在上面的 description 里面列举出来。