Elasticsearch 推荐图书作者 : how to limit maximum 3 books per author?

Question

我使用 Elasticsearch 来推荐作者(我的 Elasticsearch 文档代表书籍，带有标题、摘要和作者 ID 列表)。

用户用一些文本(例如 Georgia 或 Paris)查询我的索引，我需要在作者级别汇总各个书籍的分数(意思是:推荐一个写关于巴黎的作家)。

我从一个简单的聚合开始，但是，在实验上(交叉验证)最好在每个用户最多 4 本书后停止聚合每个用户的分数。这样，我们就没有一个拥有 200 本书的作者可以“支配”结果了。让我用伪代码解释一下:

# the aggregated score of each author
Map<Author, Double>  author_scores = new Map()
# the number of books (hits) that contributed to each author
Map<Author, Integer> author_cnt = new Map()

# iterate ES query results
for Document doc in hits:

    # stop aggregating if more that 4 books from this author have already been found
    if (author_cnt.get(doc.author_id) < 4):
        author_scores.increment_by(doc.author_id, doc.score)
        author_cnt.increment_by(doc.author_id, 1)

the_result = author_scores.sort_map_by_value(reverse=true)

到目前为止，我已经在自定义应用程序代码中实现了上述聚合，但我想知道是否可以使用 Elasticsearch 的查询 DSL 或 org.elasticsearch.search.aggregations.Aggregator 接口(interface)重写它.

Answer 1

我的观点是，您不能使用 ES 提供的功能来做到这一点。关于您的要求，我能找到的最接近的是 "top_hits" aggregation .有了这个，你就可以执行你的查询，你可以聚合任何你想要的东西，然后你说你只需要按标准排序的前 X 个命中。

对于您的特定场景，您的查询是“巴黎”的“匹配”，聚合基于作者 ID，然后您告诉 ES 仅返回前 3 本书，每个作者按分数排序。好的部分是 ES 将为每个特定作者提供最好的三本书，按相关性排序，而不是为每个或没有提供所有书籍。不太好的部分是“热门”不允许另一个子聚合只为那些“热门”计算分数总和。在这种情况下，您仍然需要计算每个作者的分数总和。

还有一个示例查询:

{
  "query": {
    "match": {
      "title": "Paris"
    }
  },
  "aggs": {
    "top-authors": {
      "terms": {
        "field": "author_ids"
      },
      "aggs": {
        "top_books_hits": {
          "top_hits": {
            "sort": [
              {
                "_score": {
                  "order": "desc"
                }
              }
            ],
            "_source": {
              "include": [
                "title"
              ]
            },
            "size": 3
          }
        }
      }
    }
  }
}