ElasticSearch - function_score（weight 具體實例）

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

• 一樣先準備數據和索引，在 ES 插入三筆數據，其中 language 是 keyword 類型，like 是 integer 類型（代表點贊量）

  { "language": "java", "like": 5 }
  { "language": "python", "like": 5 }
  { "language": "go", "like": 10 }
  

• functions 是一個數組，裡面放著的是將要被使用的加強函數列表，我們在裡面使用了 3 個 filter 去過濾數據，並且每個 filter 都設置了一個加強函數，並且還使用了一個會應用到所有文檔的 field_value_factor 加強函數

  • 可以為列表裡的每個加強函數都指定一個 filter，這樣做的話，只有在文檔滿足此 filter 的要求，此 filter 的加強函數才會應用到文擋上，也可以不指定 filter，這樣的話此加強函數就會應用到全部的文擋上

  • 一個文檔可以一次滿足多條加強函數和多個 filter，如果一次滿足多個，那麼就會產生多個加強 score

  • 因此 ES 會先使用 score_mode 定義的方式來合併這些加強 score 們，得到一個總加強 score，得到總加強 score之後，才會再使用 boost_mode 定義的方式去和 old_score 做合併

    GET mytest/doc/_search
    {
        "query": {
            "function_score": {
                "query": {
                    "match_all": {}  //match_all查出來的所有文檔的_score都是1
                },
                "functions": [
                    //第一個filter(使用weight加強函數)，如果language是java，加強score就是2
                    {
                        "filter": {
                            "term": {
                                "language": "java"
                            }
                        },
                        "weight": 2
                    },
                    //第二個filter(使用weight加強函數)，如果language是go，加強score就是3
                    {
                        "filter": {
                            "term": {
                                "language": "go"
                            }
                        },
                        "weight": 3
                    },
                    //第三個filter(使用weight加強函數)，如果like數大於等於10，加強score就是5
                    {
                        "filter": {
                        	"range": {
                            	"like": {
                                	"gte": 10
                                }
                            }
                        },
                        "weight": 5
                    },
                    //field_value_factor加強函數，會應用到所有文檔上，加強score就是like值
                    {
                        "field_value_factor": {
                        	"field": "like"
                        }
                    }
                ],
                "score_mode": "multiply", //設置functions裡面的加強score們怎麼合併成一個總加強score
                "boost_mode": "multiply" //設置old_score怎麼和總加強score合併
            }
        }
    }
    

    "hits": [
        {
            //go同時滿足filter2、filter3
            //且還有一個加強函數field_value_factor產生的加強
            //因此加強score為3, 5, 10，總加強score為3*5*10=150
            "_score": 150,
            "_source": { "language": "go", "like": 10 }
        },
        {
            //java只滿足filter1
            //但是因為還有field_value_facotr產生的加強score
            //因此加強score為2, 5，總加強score為2*5=10
            "_score": 10,
            "_source": { "language": "java", "like": 5 }
        },
        {
            //python不滿足任何filter
            //因此加強score只有field_value_factor的like值
            //就是5
            "_score": 5,
            "_source": { "language": "python", "like": 5 }
        }
    ]
    

• 其實 weight 加強函數也是可以不和 filter 搭配，自己單獨使用的，只是這樣做沒啥意義，因為只是會給全部的文檔都增加一個固定值而已

  • 不過就 DSL 語法上來說，他也像其他加強函數一樣，是可以直接使用而不用加 filter 的

    GET mytest/doc/_search
    {
        "query": {
            "function_score": {
                "query": {
                    "match_all": {}
                }
            },
            functions: [
                {
                    "weight": 3
                }
            ]
        }
    }
    

    "hits": [
        {
            "_score": 3,
            "_source": { "language": "go", "like": 10 }
        },
        {
            "_score": 3,
            "_source": { "language": "python", "like": 5 }
        },
        {
            "_score": 3,
            "_source": { "language": "java", "like": 5 }
        }
    ]
    

• weight 加強函數也可以用來調整每個語句的貢獻度，權重 weight 的默認值是 1.0，當設置了 weight，這個 weight 值會先和自己那個 {} 裡的每個句子的評分相乘，之後再通過 score_mode 和其他加強函數合併

  • 下面的查詢，公式為 new_score = old_score * [ (like值 * weight1) + weight2 ]

  • 公式解析 : weight1 先加強 like 值（只能使用乘法），接著再透過 score_mode 定義的方法（sum）和另一個加強函數 weight2 合併，得到一個總加強 score，最後再使用 boost_mode 定義的方法（默認是 multiply）和 old_score 做合併，得到 new_score

    GET mytest/doc/_search
    {
        "query": {
            "function_score": {
                "query": {
                    "match_all": {}
                }
            },
            functions: [
                {
                    "field_value_factor": {
                    	"field": "like"
                    },
                    "weight": 3  //weight1, 加強field_value_factor，只能使用乘法，無法改變
                },
                {
                    "weight": 20 //weight2
                }
            ],
            "score_mode": "sum"
        }
    }
    

    "hits": [
        {
            "_score": 50,
            "_source": { "language": "go", "like": 10 }
        },
        {
            "_score": 35,
            "_source": { "language": "python", "like": 5 }
        },
        {
            "_score": 35,
            "_source": { "language": "java", "like": 5 }
        }
    ]