function_score 之script_score

function_score  配合 script_score 是排序的終極方案

例子：

curl -XGET 'http://localhost:9200/*/*/_search?pretty&explain' -d '{

 "size" : 0,

  "query" : {

    "function_score" : {

      "query" : {

        "filtered" : {

          "filter" : {

            "bool" : {

              "must" : {

                "match" : {

                  "_all" : {

                    "query" : "關(guān)鍵字",

                    "type" : "boolean",

                    "operator" : "AND"

                  }

                }

              }

            }

          }

        }

      },

      "functions" : [ {

        "script_score" : {

               "params": {

                  "field": "company_name",

                   "term": "關(guān)鍵字"

                  },

          "script" : "_index[field][term].df()"

        }

      } ，

{

          "filter" : {

          "match" : {

            "company_name" : {

              "query" : "關(guān)鍵字",

              "type" : "boolean",

              "operator" : "AND"

            }

          }

        },

        "weight" : 2

      }

],

      "score_mode" : "sum"

    }

  },

  "aggregations" : {

    "agg" : {

      "terms" : {

        "field" : "member_id",

        "size" : 0,

        "order" : {

          "top_hit" : "desc"

        }

      },

      "aggregations" : {

        "top_hit" : {

          "max" : {

            "script" : {

              "inline" : "_score"

            }

          }

        }

      }

    }

  }

  }'

需要配置：

script.engine.groovy.inline.search: on

script.inline: on

script.indexed: on

script_score可以讓你更加靈活的操作ES的打分。例如

   "script_score" : {

           "params": {

                  "field": "company_name",

                  "terms": ["關(guān)鍵字"]

                  },

          "script" : "score = 0.0; queryLength = 0.0; docLength = 0.0; for (word in terms) { tf = _index[field][word].tf(); score = score + tf * 1.0; queryLength = queryLength + 1.0; docLength = docLength + pow(tf, 2.0); }; return (float)score /(sqrt(docLength) * sqrt(queryLength)); "

        }

這里需要注意的是 company_name 這個(gè)字段 不允許分詞，否則這個(gè)近似算法可能有問(wèn)題，個(gè)人感覺script_score 執(zhí)行的時(shí)間比較靠后，此時(shí)分詞階段已經(jīng)結(jié)束，company_name 已經(jīng)被分詞完畢，不是源表中的值了，所以這個(gè)字段不能分詞。 這里例子實(shí)際意義不大，但是看到function_score 還是很強(qiáng)大的。

當(dāng)上面的query內(nèi)容變成如下內(nèi)容時(shí)：

 "match" : {

     "_all" : {

          "query" : "關(guān)鍵字",

          "type" : "boolean",

          "operator" : "AND"

     }

  }

相關(guān)×××開始啟用。打出的分?jǐn)?shù)算法如下。

score=（weight+script_score）*相關(guān)性分?jǐn)?shù)

而原來(lái)的寫法，打分就是 _index[field][term].df()+weight 的值，因?yàn)橄嚓P(guān)性在filter下都是1。

下面舉例來(lái)說(shuō)明

4.09 是相關(guān)性的分?jǐn)?shù)，

6.09=2+4.09 其中 4.09 來(lái)自下面的配置， 很明顯_score=4.09 因?yàn)樯厦嬉呀?jīng)提到了。

"script_score" : {

          "script" : "return _score"

        }

所以：score=（weight+script_score）*相關(guān)性分?jǐn)?shù)。 

至于相關(guān)性的分?jǐn)?shù)如何打出，也很類似，請(qǐng)自行查看資料學(xué)習(xí)