Elasticsearch：Boosting query - 为不喜欢的查询减分

Posted 2021-10-22 中国社区官方博客

在我们实际的查询中，我们总希望能把满足我们查询的结果排在查询的前面。在在 Elasticsearch 中，通过相关性的调整可以完成这个目的。在返回的结果中，得分最高的结果总排在第一名，依次类推，得分最低的排在最后。我们可以参考文章 “Elasticsearch：使用布尔查询提高搜索的相关性” 如何使用 bool 查询来提高一些文档的相关性。当然，我们也可以通过 “Elasticsearch：使用 function_score 及 soft_score 定制搜索结果的分数” 来通过 script 的方法来调整查询结果的分数。

在今天的文章中，我将介绍另外一种方法 boosting query。它也是来调整查询结果的分数来达到查询结果的排序。只是它可以针对不喜欢的文档进行减分从而达到 boost 其它匹配的文档。下面我来介绍一种这种方法。

首先 我们在 Kibana 中，我们导入如下的两个文档：

POST test/_bulk
{ "index" : { "_id" : "1" } }
{ "title" : "Elastic Stack", "content": "Logstash" }
{ "index" : { "_id" : "2" } }
{ "title" : "Elastic Stack", "content": "Beats" }
{ "index" : { "_id" : "3" } }
{ "title" : "Elastic Stack", "content": "Beats Test" }

我们做一个如下的查询：

GET test/_search
{
  "query": {
    "match": {
      "title": "Elastic Stack"
    }
  }
}

上面的查询结果显示为：

{
  "took" : 4,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 0.26706278,
    "hits" : [
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.26706278,
        "_source" : {
          "title" : "Elastic Stack",
          "content" : "Logstash"
        }
      },
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 0.26706278,
        "_source" : {
          "title" : "Elastic Stack",
          "content" : "Beats"
        }
      },
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 0.26706278,
        "_source" : {
          "title" : "Elastic Stack",
          "content" : "Beats Test"
        }
      }
    ]
  }
}

从上面的显示结果我们可以看出来它们的分数都为：0.26706278，这是因为它们的 title 都是一样的 Elastic Stack。

现在的问题是我们更想查看内容是 Beats 的文档，而不是Logstash 的文档。也就是说，我们不想要看到有关 Logstash 的文档。针对这种要求，我们可以这么做：

GET test/_search
{
  "query": {
    "boosting": {
      "positive": {
        "match": {
          "title": "Elastic Stack"
        }
      },
      "negative": {
        "match": {
          "content": "Logstash"
        }
      },
      "negative_boost": 0.5
    }
  }
}

在上面，我们针对 content 字段含有 Logstash 的文档对它加权 0.5，也就是对它进行减分。

经过上面的处理，我们查询的结果为：

{
  "took" : 7,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 0.26706278,
    "hits" : [
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 0.26706278,
        "_source" : {
          "title" : "Elastic Stack",
          "content" : "Beats"
        }
      },
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 0.26706278,
        "_source" : {
          "title" : "Elastic Stack",
          "content" : "Beats Test"
        }
      },
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.13353139,
        "_source" : {
          "title" : "Elastic Stack",
          "content" : "Logstash"
        }
      }
    ]
  }
}

显然，content 字段含有 Logstash 的文档的分数明显比含有 Beats 的文档的分数少一半的分数。这样它的返回的结果排在最后。