首页 > 代码库 > function_score 之script_score
function_score 之script_score
function_score 配合 script_score 是排序的终极方案
例子：
curl -XGET ‘http://localhost:9200/alias-product/product/_search?pretty&explain‘ -d ‘{
"size" : 0,
"query" : {
"function_score" : {
"query" : {
"filtered" : {
"filter" : {
"bool" : {
"must" : {
"match" : {
"_all" : {
"query" : "关键字",
"type" : "boolean",
"operator" : "AND"
}
}
}
}
}
}
},
"functions" : [ {
"script_score" : {
"params": {
"field": "company_name",
"term": "关键字"
},
"script" : "_index[field][term].df()"
}
} ，
{
"filter" : {
"match" : {
"company_name" : {
"query" : "关键字",
"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可以让你更加灵活的操作ES的打分。例如
"script_score" : {
"params": {
"field": "company_name",
"terms": ["关键字"]
},
"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)); "
}
这里需要注意的是 company_name 这个字段 不允许分词，否则这个近似算法可能有问题，个人感觉script_score 执行的时间比较靠后，此时分词阶段已经结束，company_name 已经被分词完毕，不是源表中的值了，所以这个字段不能分词。 这里例子实际意义不大，但是看到function_score 还是很强大的。
当上面的query内容变成如下内容时：
"match" : {
"_all" : {
"query" : "关键字",
"type" : "boolean",
"operator" : "AND"
}
}
相关性功能开始启用。打出的分数算法如下。
score=（weight+script_score）*相关性分数
而原来的写法，打分就是 _index[field][term].df()+weight 的值，因为相关性在filter下都是1。
下面举例来说明
4.09 是相关性的分数，接着看 6.09 是如何来的
6.09=2+4.09 其中 4.09 来自下面的配置， 很明显_score=4.09 因为上面已经提到了。
"script_score" : {
"script" : "return _score"
}
所以：score=（weight+script_score）*相关性分数。
至于相关性的分数如何打出，也很类似，请自行查看资料学习
function_score 之script_score