boost - 使用ElasticSearch的无限制值的衰减过滤器功能

Question

我在ElasticSearch索引中具有以下文档(至少1000000):

{"title":"toto", "views":132, "likes":23, "date" : "2014-09-01..." ...}

如果标题是使用l​​ang分析器索引的，则“意见”和“喜欢”字段是从0到无限的整数，并且日期是..date字段。

我想按标题进行搜索，如果它们是最近的并且具有很高的查看和喜欢度，则可以增强文档。

我正在使用一个衰减过滤器函数作为日期(从今天开始作为原点)，它按预期工作，但是我不知道如何提高 View 和点赞字段，因为我没有max-origin。

这是我的搜索查询:

POST /threads/_search
{
   "query": {
      "function_score": {
         "query": {
            "multi_match": {
               "query": "air france",
               "type": "phrase",
               "fields": [
                  "title^4",
                  "desc"
               ]
            }
         },
         "functions": [
            {
               "exp": {
                  "date": {
                     "origin": "2014/09/29 13:00:00",
                     "scale": "12h",
                     "offset":"6h",
                     "decay":0.5
                  }
               }
            }
         ]
      }
   }
}

Answer 1

您可以尝试按照文档中this section的“field_value_factor”进行操作。然后，您需要测试和评估结果，修改“因素”和为“标题”提供的提升，然后再次进行测试，看看它是否越来越接近您的需求。另外，您可以使用search=explain查看ES如何计算_score。像这样:

POST /threads/_search?explain
{
  "query": {
      "function_score": {
         "query": {
            "multi_match": {
               "query": "air france",
               "type": "phrase",
               "fields": [
                  "title^8",
                  "desc"
               ]
            }
         },
         "functions": [
            {
               "exp": {
                  "date": {
                     "origin": "2014/09/29 13:00:00",
                     "scale": "12h",
                     "offset":"6h",
                     "decay":0.5
                  }
               }
            },
            {
              "field_value_factor": {
                "field": "views",
                "modifier": "log2p",
                "factor": 0.1
              }
            },
            {
              "field_value_factor": {
                "field": "likes",
                "modifier": "log2p",
                "factor": 0.1
              }
            }
         ]
      }
   }
}