ElasticSearch（ES）搜索排序、相关性、评分机制

ElasticSearch（ES）是一款非常流行的企业级搜索引擎，今天我们一起来看看它的搜索结果排序原理。

01

—

相关性介绍

默认情况下，ES的搜索结果是排序的，是按 相关性 倒序排列的------相关性最高的排在最前面。

那么什么是相关性，相关性如何计算？

每个文档都有相关性评分，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。（评分的计算方式取决于查询类型 不同的查询语句用于不同的目的，这里不详细介绍。）

02

—

相关性计算原理

Elasticsearch 的相关性算法被定义为检索词频率/反向文档频率， TF/IDF ，包括以下内容：

检索词频率

检索词在该字段出现的频率？出现频率越高，相关性也越高。字段中出现过 5 次要比只出现过 1 次的相关性高。

反向文档频率

每个检索词在索引中出现的频率？频率越高，相关性越低。检索词出现在多数文档中会比出现在少数文档中的权重更低。常用词如 and 或 the 对相关度贡献很少，因为它们在多数文档中都会出现。

字段长度准则

字段的长度是多少？长度越长，相关性越低。检索词出现在一个短的 title 要比同样的词出现在一个长的 content 字段权重更大。

03

—

举例说明

假设，检索关键词 `honeymoon`，在索引上所有文档中的`tweet`字段中检索。

检索词频率:

检索词 `honeymoon` 在这个文档的 `tweet` 字段中的出现次数。出现次数越多，评分越高。

反向文档频率:

检索词 `honeymoon` 在索引上所有文档的 `tweet` 字段中出现的次数。出现次数越多，评分越低。

字段长度准则:

在这个文档中， `tweet` 字段内容的长度 -- 内容越长，评分越低。

以上内容，根据ES官网内容学习整理。https://www.elastic.co/