Elasticsearch 通过嵌套查询提高分数

Question

我在 Elasticsearch 版本 1.3.4 中有以下查询:

{
   "filtered": {
      "query": {
         "bool": {
            "should": [
               {
                  "bool": {
                     "should": [
                        {
                           "match_phrase": {
                              "_all": "java"
                           }
                        },
                        {
                           "bool": {
                              "should": [
                                 {
                                    "match_phrase": {
                                       "_all": "adobe creative suite"
                                    }
                                 }
                              ]
                           }
                        }
                     ]
                  }
               },
               {
                  "bool": {
                     "should": [
                        {
                           "nested": {
                              "path": "skills",
                              "query": {
                                 "bool": {
                                    "must": [
                                       {
                                          "term": {
                                             "skills.name.original": "java"
                                          }
                                       },
                                       {
                                          "bool": {
                                             "should": [
                                                {
                                                   "match": {
                                                      "skills.source": {
                                                         "query": "linkedin",
                                                         "boost": 5
                                                      }
                                                   }
                                                }, 
                                                {
                                                   "match": {
                                                      "skills.source": {
                                                         "query": "meetup",
                                                         "boost": 5
                                                      }
                                                   }
                                                }                                                
                                             ]
                                          }
                                       }
                                    ],
                                    "minimum_should_match": "100%"
                                 }
                              }
                           }
                        }
                     ]
                  }
               }
            ],
            "minimum_should_match": "100%"
         }
      },
      "filter": {
         "and": [
            {
               "bool": {
                  "should": [
                     {
                        "term": {
                           "skills.name.original": "java"
                        }
                     }
                  ]
               }
            },
            {
               "bool": {
                  "should": [
                     {
                        "term": {
                           "skills.name.original": "ajax"
                        }
                     },
                     {
                        "term": {
                           "skills.name.original": "html"
                        }
                     }
                  ]
               }
            }
         ]
      }
   }
}

映射如下所示:

  skills: {
    type: "nested", 
    include_in_parent: true, 
    properties: {                 
      name: {
        type: "multi_field",
        fields: {
          name: {type: "string"},
          original: {type : "string", analyzer : "string_lowercase"} 
        }              
      }                                                       
    }
  }

最后，技能的文档结构(不包括其他部分)如下所示:

  "skills": 
  [
    {
      "name": "java",
      "source": [
         "linkedin", 
         "facebook"
      ]
    },
    {
      "name": "html",
      "source": [
         "meetup"
      ]
    }
  ]

我对这个查询的目标是，首先使用过滤器(查询底部)过滤掉一些不相关的命中，然后通过在整个文档中搜索 match_phrase“java” 来对一个人进行评分，如果它还包含match_phrase“adobecreativesuit”，然后检查“技能”中命中的嵌套值，以查看该技能来自哪种“来源”。然后根据嵌套对象具有的一个或多个源来增强查询。

这样的作品，至少我没有收到任何错误，但最终的分数很奇怪，很难看出它是否有效。如果我给予一个小的提升，比如说 2，分数会稍微下降，我目前的热门歌曲的分数为 32.176407，提升 = 1。如果提升为 5，分数会下降到 31.637703。我预计它会上涨，而不是下跌？增加 1000 分后，分数降至 2.433376。

这是执行此操作的正确方法，还是有更好/更简单的方法？我可以更改结构和映射等。为什么我的分数会下降？

编辑:我稍微简化了查询，只处理一项“技能”:

{
   "filtered": {
      "query": {
         "bool": {
            "must": [
               {
                  "bool": {
                     "must": [
                        {
                           "bool": {
                              "should": [
                                 {
                                    "match_phrase": {
                                       "_all": "java"
                                    }
                                 }
                              ],
                              "minimum_should_match": 1
                           }
                        }
                     ]
                  }
               }
            ],
            "should": [
               {
                  "nested": {
                     "path": "skills",
                     "score_mode": "avg",
                     "query": {
                        "bool": {
                           "must": [
                              {
                                 "term": {
                                    "skills.name.original": "java"
                                 }
                              }
                           ],
                           "should": [
                              {
                                 "match": {
                                    "skills.source": {
                                       "query": "linkedin",
                                       "boost": 1.2
                                    }
                                 }
                              },
                              {
                                 "match": {
                                    "skills.source": {
                                       "query": "meetup",
                                       "boost": 1.2
                                    }
                                 }
                              }
                           ]
                        }
                     }
                  }
               }
            ]
         }
      },
      "filter": {
         "and": [
            {
               "bool": {
                  "should": [
                     {
                        "term": {
                           "skills.name.original": "java"
                        }
                     }
                  ]
               }
            }
         ]
      }
   }
}

现在的问题是我期望两个类似的文档，其中唯一的区别是技能“java”上的“source”值。它们分别是“linkedin”和“meetup”。在我的新查询中，它们都获得了相同的提升，但两个文档的最终 _score 却截然不同。

来自文档 1 的查询说明:

"value": 3.82485,
"description": "Score based on child doc range from 0 to 125"

对于文档二:

"value": 2.1993546,
"description": "Score based on child doc range from 0 to 125"

这些值是唯一不同的值，我不明白为什么。

Answer 1

我无法回答有关提升的问题，但是索引上有多少个分片？TF 和 IDF 是按分片而不是按索引计算的，这可能会造成分数差异。 https://groups.google.com/forum/#!topic/elasticsearch/FK-PYb43zcQ .

如果仅使用 1 个分片重新索引会改变结果吗？

编辑:此外，文档范围是分片中每个文档的文档范围，您可以使用它来计算每个文档的 IDF 以验证分数。