ElasticSearch第十一讲 ES检索评分score以及分数计算逻辑

程序员路同学

于 2023-04-22 15:29:57 发布

阅读量2k

点赞数

CC 4.0 BY-SA版权

分类专栏： ElasticSearch 文章标签： elasticsearch java 大数据

鹿少年

本文链接：https://blog.youkuaiyun.com/huanglu0314/article/details/130301611

ElasticSearch 专栏收录该内容

20 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文深入探讨了ElasticSearch的评分机制，主要基于TF/IDF算法。TF（Term Frequency）衡量词条在文档中出现的次数，IDF（Inverse Document Frequency）评估词条的普遍性。还详细介绍了 IDF 的计算公式以及TF的计算公式，涉及到boost、k1、b等参数的影响。通过示例展示了如何计算文档的score，并指出字段长度对评分的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ES底层分数计算逻辑

relevance score算法，简单来说，就是计算出，一个索引中的文本，与搜索文本，他们之间的关联匹配程度。Elasticsearch使用的是 term frequency/inverse document frequency算法，简称为TF/IDF算法

Term frequency：搜索文本中的各个词条在field文本中出现了多少次，出现次数越多，就越相关

PUT /score/_doc/1
{
   
   
  "doc":"hello you, and world is very good"
  
}
PUT /score/_doc/2
{
   
   
  "doc":"hello, how are you"

了解本专栏

超级会员免费看