Elasticsearch：使用 distance feature 查询提高分数

Posted 2023-03-02 Elastic 中国社区官方博客

Elasticsearch 有一些专门用于提供专门功能的高级查询。 例如，使用 distance_feature 查询提高在指定位置提供冷饮的咖啡馆的分数 —— 本文的主题。

在搜索经典文学时，我们可能想添加一个子句来查找 1813 年出版的书籍。随着返回所有文学经典书籍，我们可以期望找到傲慢与偏见（简·奥斯汀的经典），但是想法是把傲慢与偏见排在榜首，因为它是 1813 年印刷的。排在榜首无非是提高了基于特定子句的查询结果的相关性得分； 在这种情况下，我们特别希望 1813 年出版的书籍具有更高的重要性。

通过使用 distance_feature 查询，可以在 Elasticsearch 中使用此类功能。 查询获取结果，如果它们更接近起始日期（在本例中为 1813），则用较高的相关性分数标记其中的一些结果。

distance_feature 查询也为位置提供类似的支持。 如果我们愿意，我们可以突出显示靠近特定地址的位置，并将其提升到列表的顶部。 假设我们要查找所有供应炸鱼和薯条的餐厅，但排在首位的餐厅应该位于伦敦桥附近的 Borough Market。 

我们可以对此类用例使用 distance_feature 查询，该查询用于查找更接近原始位置或日期的结果。 日期和位置分别是声明为日期（我们也可以将其声明为 date_nanos）和 geo_point 数据类型的字段。 更接近给定日期或给定位置的结果在相关性得分中被评为更高。 让我们看几个例子来详细理解这个概念。

使用地理位置提高附近大学的分数

在寻找英国的大学时，我们希望优先选择离某个地方较近的大学； 例如，Knightsbridge 10 公里半径范围内的所有大学。 我们需要提高这些匹配的比分。

为了尝试这种情况，让我们为 universities 索引创建一个映射，并将位置声明为 geo_point 字段。 以下列表为四所大学创建映射和索引：两所在伦敦，两所在该国其他地方。

# Create a mapping of universities index with bare minimum fields
PUT universities

  "mappings": 
    "properties": 
      "name":
        "type": "text"
      ,
      "location":
        "type": "geo_point"
      
    
  

我们使用如下的命令来写入一些文档：

POST _bulk
 "index" :  "_index" : "universities", "_id" : "1"  
 "name" : "London School of Economics (LSE)", "location":[0.1165, 51.5144]
 "index" :  "_index" : "universities", "_id" : "2"  
 "name" : "Imperial College London", "location":[0.1749, 51.4988]
 "index" :  "_index" : "universities", "_id" : "3"  
 "name" : "University of Oxford", "location":[1.2544, 51.7548]
 "index" :  "_index" : "universities", "_id" : "4"  
 "name" : "University of Cambridge", "location":[0.1132, 52.2054]

现在已经准备好索引和数据，让我们获取大学，提高相关性分数，使靠近伦敦桥（London Bridge）的大学位于列表的顶部。 请参见如下图中的伦敦地图，其中包含这些大学在上述地点附近的大致距离。 为此，我们使用 distance_feature 查询，它与查询条件匹配，但会根据查询中提供的附加参数提高相关性分数。

我们想搜索位于伦敦大桥位置 [-0.0860, 51.5048]  附近的所有大学。

首先，让我们编写查询，然后深入了解细节。 以下清单在 bool 查询中使用 distance_feature 查询来获取大学。

GET universities/_search?filter_path=**.hits

  "query": 
    "distance_feature": 
      "field": "location",
      "origin": [
        -0.086,
        51.5048
      ],
      "pivot": "10 km"
    
  

上述命令返回结果：

  "hits": 
    "hits": [
      
        "_index": "universities",
        "_id": "1",
        "_score": 0.4157174,
        "_source": 
          "name": "London School of Economics (LSE)",
          "location": [
            0.1165,
            51.5144
          ]
        
      ,
      
        "_index": "universities",
        "_id": "2",
        "_score": 0.3562365,
        "_source": 
          "name": "Imperial College London",
          "location": [
            0.1749,
            51.4988
          ]
        
      ,
      
        "_index": "universities",
        "_id": "4",
        "_score": 0.11223929,
        "_source": 
          "name": "University of Cambridge",
          "location": [
            0.1132,
            52.2054
          ]
        
      ,
      
        "_index": "universities",
        "_id": "3",
        "_score": 0.09380584,
        "_source": 
          "name": "University of Oxford",
          "location": [
            1.2544,
            51.7548
          ]
        
      
    ]
  

查询在执行时搜索所有返回我们四所大学。 此外，如果这些大学中的任何一所大学位于原点周围 10 公里附近（-0.0860，51.5048 代表英国的 London Bridge），它们的得分就会高于其他大学。

让我们暂停一下，看看 distance_feature 查询是由什么组成的。 distance_feature 查询需要这些属性：

• field - 文档中的 geo_point 字段
• origin — 测量距离的焦点（经度和纬度）
• pivot - 距焦点的距离

在上面的查询中，伦敦经济学院（LSE）大学比帝国理工学院更接近伦敦桥； 因此，LSE 以更高的分数返回顶部。

我们也可以使用带有日期的 distance_feature 查询，下一节的主题。

使用日期提高分数

在上一节中，distance_feature 查询帮助我们搜索大学，提高了离特定地理位置较近的大学的分数。 distance_feature 查询也可以满足类似的要求：如果结果围绕日期旋转，则提高结果的分数。

假设我们要搜索所有 iPhone 的发布日期，将 2020 年 12 月 1 日前后 30 天内发布的 iPhone 列在列表的首位（没有特别的原因，除了尝试这个概念）。 我们可以编写与上一节中类似的查询，但字段属性将基于日期。 让我们首先创建一个 iphones 映射并将一些 iPhone 索引到我们的索引中。 下面清单中的查询就是这样做的。

PUT iphones

  "mappings": 
    "properties": 
      "name":
        "type": "text"
      ,
      "release_date":
        "type": "date",
        "format": "dd-MM-yyyy"
      
    
  

我们使用如下的 bulk 命令一次写入四个文档：

POST _bulk
 "index" :  "_index" : "iphones", "_id" : "1"  
 "name" : "iPhone", "release_date":"29-06-2007"
 "index" :  "_index" : "iphones", "_id" : "2"  
 "name" : "iPhone 12", "release_date":"23-10-2020"
 "index" :  "_index" : "iphones", "_id" : "3"  
 "name" : "iPhone 13", "release_date":"24-09-2021"
 "index" :  "_index" : "iphones", "_id" : "4"  
 "name" : "iPhone 12 Mini", "release_date":"13-11-2020"

我们可以在 Kibana 中进行时域展示：

现在我们有了一个包含一堆 iphones 的索引，让我们开发一个查询来满足我们的要求：我们将获取所有 iPhone，但优先考虑在 2020 年 12 月 1 日前后 30 天发布的 iPhone。下一个清单中的查询做这个。

GET iphones/_search?filter_path=**.hits

  "query": 
    "bool": 
      "must": [
        
          "match": 
            "name": "12"
          
        
      ],
      "should": [
        
          "distance_feature": 
            "field": "release_date", 
            "origin": "01-12-2020", 
            "pivot": "30 d" 
          
        
      ]
    
  

上述搜索的结果为：

  "hits": 
    "hits": [
      
        "_index": "iphones",
        "_id": "4",
        "_score": 1.1876879,
        "_source": 
          "name": "iPhone 12 Mini",
          "release_date": "13-11-2020"
        
      ,
      
        "_index": "iphones",
        "_id": "2",
        "_score": 1.1217185,
        "_source": 
          "name": "iPhone 12",
          "release_date": "23-10-2020"
        
      
    ]
  

 

在上面的查询中，我们将 distance_feature 包装在一个带有 must 和 should 子句的 bool 查询中（我们在之前的文章中了解了 bool 查询）。 must 子句搜索名称字段中包含 12 的所有文档，并从我们的索引中返回 iPhone 12 和 iPhone 12 mini 文档。 我们的要求是优先考虑 12 月 1 日前后 30 天发布的手机（因此，可能是 2020 年 11 月至 12 月之间发布的所有手机）。

为了满足这个要求，should 子句使用 distance_feature 查询来提高最接近所提到的旋转日期的匹配文档的分数。 该查询从 iphones 索引中获取所有文档。 在 2020 年 12 月 1 日（原点）之前或之后 30 天发布的任何 iPhone 都会返回具有更高相关性分数的产品。

请记住，should 子句返回的所有匹配项都将添加到总分中。 因此，你应该会看到 iPhone 12 Mini 位居榜首，因为这款 iPhone 的发布日期（“release_date”：“13–11–2020”）更接近 pivot 日期（“origin”：“01–12–2020”） 30天）。

如你所见，iPhone 12 Mini 的得分高于 iPhone 12，因为它仅在我们的基准日期前 17 天发布，而 iPhone 12 的发布时间稍早于此（将近 5 周前）。