es笔记-使用相关性进行搜索

1.es的打分机制

确定文档和查询有多么相关的过程被称为打分。我们希望更为相关的文档被优先返回。

TF-IDF(TF:词频，IDF:逆文档频率)

词频:一个词条出现在某个文档中次数越多就越相关。

逆文档频率:该词条在不同文档中出现的次数越多，它就越不相关。

 

调和因子：考虑搜索过多少文档以及发现了多少词条

 

2.其他打分方法

BM25:概率相关性算法

3.boosting

boosting:用来修改文档相关性的程序。

3.1索引期间的boosting

3.2查询期间的boosting

4.function_score

使用不同的函数对最后查询的得分进行影响。

1.weight函数

2.合并得分（合并文档得分和函数计算的分数:替换，乘积等）

3.field_value_factor(字段值对最后的得分有影响，如事件评论数)

4.脚本

5.随机

6.衰减函数

5.字段数据

5.1字段数据缓存（按照某个字段排序或者聚集操作使用）

5.2管理字段数据（1.限制缓存大小和时间，2断路器，3.文档值，即和索引一样放入磁盘中）