ElasticSearch - function_score（field_value

閱讀本文需要先了解 function_score 的相關知識，請看 ElasticSearch - function_score 簡介

首先準備數據和索引，在ES插入三筆數據，其中 title 是 text 類型，like 是 integer 類型（代表點贊量）

{ "title": "ES 入門", "like": 2 }
{ "title": "ES 進階", "like": 5 }
{ "title": "ES 最高難度", "like": 10 }

先使用一般的 query，查看普通的查詢的評分會是如何

GET mytest/doc/_search
{
    "query": {
        "match": {
            "title": "ES"
        }
    }
}

"hits": [
    {
        "_score": 0.2876821,
        "_source": { "title": "ES 入門", "like": 2 }
    },
    {
        "_score": 0.20309238,
        "_source": { "title": "ES 進階", "like": 5 }
    },
    {
        "_score": 0.16540512,
        "_source": { "title": "ES 最高難度", "like": 10 }
    }
]

使用 function_score 的 field_value_factor 改變 _score，將 old_score 乘上 like 的值

本來 “ES 最高難度” 的 score 是0.16540512，經過 field_value_factor 的改變，乘上了那個文檔中的like值（10）之後，新的 score 變為 1.6540513

GET mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {
                "match": {
                    "title": "ES"
                }
            },
            "field_value_factor": {
                "field": "like"
            }
        }
    }
}

"hits": [
    {
        "_score": 1.6540513, //原本是0.16540512
        "_source": { "title": "ES 最高難度", "like": 10 }
    },
    {
        "_score": 1.0154619, //原本是0.20309238
        "_source": { "title": "ES 進階", "like": 5 }
    },
    {
        "_score": 0.5753642, //原本是0.2876821
        "_source": { "title": "ES 入門", "like": 2 }
    }
]

加上 max_boost，限制 field_value_factor 的最大加強 score

可以看到 ES 入門的加強 score 是2，在 max_boost 限制裡，所以不受影響

而 ES 進階和 ES 最高難度的 field_value_factor 函數產生的加強 score 因為超過 max_boost 的限制，所以被設為 3

GET mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {
                "match": {
                    "title": "ES"
                }
            },
            "field_value_factor": {
                "field": "like"
            },
            "max_boost": 3
        }
    }
}

"hits": [
    {
        "_score": 0.6092771, //原本是0.20309238
        "_source": { "title": "ES 進階", "like": 5 }
    },
    {
        "_score": 0.5753642, //原本是0.2876821
        "_source": { "title": "ES 入門", "like": 2 }
    },
    {
        "_score": 0.49621537, //原本是0.16540512
        "_source": { "title": "ES 最高難度", "like": 10 }
    }
]

有時候線性的計算 new_score = old_score * like值 的效果並不是那麼好，field_value_factor 中還支持 modifier、factor 參數，可以改變 like 值對 old_score 的影響
- modifier 參數支持的值
  - none : new_score = old_score * like值
    - 默認狀態就是 none，線性
  - log1p : new_score = old_score * log(1 + like值)
    - 最常用，可以讓 like 值字段的評分曲線更平滑
  - log2p : new_score = old_score * log(2 + like值)
  - ln : new_score = old_score * ln(like值)
  - ln1p : new_score = old_score * ln(1 + like值)
  - ln2p : new_score = old_score * ln(2 + like值)
  - square : 計算平方
  - sqrt : 計算平方根
  - reciprocal : 計算倒數
- factor 參數
  - factor 作為一個調節用的參數，沒有 modifier 那麼強大會改變整個曲線，他僅改變一些常量值，設置 factor > 1 會提昇效果，factor < 1 會降低效果
  - 假設 modifier 是 log1p，那麼加入了 factor 的公式就是 new_score = old_score * log(1 + factor * like值)
- 對剛剛的例子加上 modifier、factor
```
GET mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {
                "match": {
                    "title": "ES"
                }
            },
            "field_value_factor": {
                "field": "like",
                "modifier": "log1p",
                "factor": 2
            }
        }
    }
}
```

就算加上了 modifier，但是 “全文評分與 field_value_factor 函數值乘積” 的效果可能還是太大，我們可以通過參數 boost_mode 來決定 old_score 和加強 score 合併的方法

如果將 boost_mode 改成 sum，可以大幅弱化最終效果，特別是使用一個較小的 factor 時
加入了 boost_mode = sum、且 factor = 0.1 的公式變為 new_score = old_score + log(1 + 0.1 * like值)

GET mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {
                "match": {
                    "title": "ES"
                }
            },
            "field_value_factor": {
                "field": "like",
                "modifier": "log1p",
                "factor": 0.1
            },
            "boost_mode": "sum"
        }
    }
}

另外使用 field_value_factor 時要注意，有的文檔可能會缺少這個字段的值，因此這時就要加上 missing 來給這些缺失字段值的文檔一個 default 的值

GET mytest/doc/_search
{
    "query": {
        "function_score": {
            "query": {
                "match": {
                    "title": "ES"
                }
            },
            "field_value_factor": {
                "field": "like",
                "modifier": "log1p",
                "factor": 0.1,
                "missing": 1 //如果文檔沒有like值，就給他1的值讓他去做log1p的運算
            },
            "boost_mode": "sum"
        }
    }
}

ElasticSearch - function_score（field_value_factor 具體實例）