« 特殊查询 “More like this” 查询 »
Elastic 文档 ›Elasticsearch 指南 [8.17] ›查询 DSL ›特殊查询

距离特征查询

编辑

距离特征查询

编辑

提升文档的相关性评分，这些文档更接近提供的 origin 日期或点。例如，您可以使用此查询来增加更接近特定日期或位置的文档的权重。

您可以使用 distance_feature 查询来查找位置的最近邻居。您还可以在 bool 搜索的 should 过滤器中使用该查询，以便为 bool 查询的分数添加提升的相关性分数。

示例请求

编辑

索引设置

编辑

要使用 distance_feature 查询，您的索引必须包含 date、date_nanos 或 geo_point 字段。

要查看如何为 distance_feature 查询设置索引，请尝试以下示例。

  1. 使用以下字段映射创建 items 索引

    • name，一个 keyword 字段
    • production_date，一个 date 字段
    • location，一个 geo_point 字段
    resp = client.indices.create(
    index="items",
    mappings={
        "properties": {
            "name": {
                "type": "keyword"
            },
            "production_date": {
                "type": "date"
            },
            "location": {
                "type": "geo_point"
            }
        }
    },
)
print(resp)
    response = client.indices.create(
  index: 'items',
  body: {
    mappings: {
      properties: {
        name: {
          type: 'keyword'
        },
        production_date: {
          type: 'date'
        },
        location: {
          type: 'geo_point'
        }
      }
    }
  }
)
puts response
    const response = await client.indices.create({
  index: "items",
  mappings: {
    properties: {
      name: {
        type: "keyword",
      },
      production_date: {
        type: "date",
      },
      location: {
        type: "geo_point",
      },
    },
  },
});
console.log(response);
    PUT /items
{
  "mappings": {
    "properties": {
      "name": {
        "type": "keyword"
      },
      "production_date": {
        "type": "date"
      },
      "location": {
        "type": "geo_point"
      }
    }
  }
}

  2. 将多个文档索引到此索引中。

    resp = client.index(
    index="items",
    id="1",
    refresh=True,
    document={
        "name": "chocolate",
        "production_date": "2018-02-01",
        "location": [
            -71.34,
            41.12
        ]
    },
)
print(resp)

resp1 = client.index(
    index="items",
    id="2",
    refresh=True,
    document={
        "name": "chocolate",
        "production_date": "2018-01-01",
        "location": [
            -71.3,
            41.15
        ]
    },
)
print(resp1)

resp2 = client.index(
    index="items",
    id="3",
    refresh=True,
    document={
        "name": "chocolate",
        "production_date": "2017-12-01",
        "location": [
            -71.3,
            41.12
        ]
    },
)
print(resp2)
    response = client.index(
  index: 'items',
  id: 1,
  refresh: true,
  body: {
    name: 'chocolate',
    production_date: '2018-02-01',
    location: [
      -71.34,
      41.12
    ]
  }
)
puts response

response = client.index(
  index: 'items',
  id: 2,
  refresh: true,
  body: {
    name: 'chocolate',
    production_date: '2018-01-01',
    location: [
      -71.3,
      41.15
    ]
  }
)
puts response

response = client.index(
  index: 'items',
  id: 3,
  refresh: true,
  body: {
    name: 'chocolate',
    production_date: '2017-12-01',
    location: [
      -71.3,
      41.12
    ]
  }
)
puts response
    const response = await client.index({
  index: "items",
  id: 1,
  refresh: "true",
  document: {
    name: "chocolate",
    production_date: "2018-02-01",
    location: [-71.34, 41.12],
  },
});
console.log(response);

const response1 = await client.index({
  index: "items",
  id: 2,
  refresh: "true",
  document: {
    name: "chocolate",
    production_date: "2018-01-01",
    location: [-71.3, 41.15],
  },
});
console.log(response1);

const response2 = await client.index({
  index: "items",
  id: 3,
  refresh: "true",
  document: {
    name: "chocolate",
    production_date: "2017-12-01",
    location: [-71.3, 41.12],
  },
});
console.log(response2);
    PUT /items/_doc/1?refresh
{
  "name" : "chocolate",
  "production_date": "2018-02-01",
  "location": [-71.34, 41.12]
}

PUT /items/_doc/2?refresh
{
  "name" : "chocolate",
  "production_date": "2018-01-01",
  "location": [-71.3, 41.15]
}


PUT /items/_doc/3?refresh
{
  "name" : "chocolate",
  "production_date": "2017-12-01",
  "location": [-71.3, 41.12]
}

示例查询

编辑
根据日期提升文档
编辑

以下 bool 搜索返回 name 值为 chocolate 的文档。该搜索还使用 distance_feature 查询来增加 production_date 值更接近 now 的文档的相关性评分。

resp = client.search(
    index="items",
    query={
        "bool": {
            "must": {
                "match": {
                    "name": "chocolate"
                }
            },
            "should": {
                "distance_feature": {
                    "field": "production_date",
                    "pivot": "7d",
                    "origin": "now"
                }
            }
        }
    },
)
print(resp)
response = client.search(
  index: 'items',
  body: {
    query: {
      bool: {
        must: {
          match: {
            name: 'chocolate'
          }
        },
        should: {
          distance_feature: {
            field: 'production_date',
            pivot: '7d',
            origin: 'now'
          }
        }
      }
    }
  }
)
puts response
const response = await client.search({
  index: "items",
  query: {
    bool: {
      must: {
        match: {
          name: "chocolate",
        },
      },
      should: {
        distance_feature: {
          field: "production_date",
          pivot: "7d",
          origin: "now",
        },
      },
    },
  },
});
console.log(response);
GET /items/_search
{
  "query": {
    "bool": {
      "must": {
        "match": {
          "name": "chocolate"
        }
      },
      "should": {
        "distance_feature": {
          "field": "production_date",
          "pivot": "7d",
          "origin": "now"
        }
      }
    }
  }
}
根据位置提升文档
编辑

以下 bool 搜索返回 name 值为 chocolate 的文档。该搜索还使用 distance_feature 查询来增加 location 值更接近 [-71.3, 41.15] 的文档的相关性评分。

resp = client.search(
    index="items",
    query={
        "bool": {
            "must": {
                "match": {
                    "name": "chocolate"
                }
            },
            "should": {
                "distance_feature": {
                    "field": "location",
                    "pivot": "1000m",
                    "origin": [
                        -71.3,
                        41.15
                    ]
                }
            }
        }
    },
)
print(resp)
response = client.search(
  index: 'items',
  body: {
    query: {
      bool: {
        must: {
          match: {
            name: 'chocolate'
          }
        },
        should: {
          distance_feature: {
            field: 'location',
            pivot: '1000m',
            origin: [
              -71.3,
              41.15
            ]
          }
        }
      }
    }
  }
)
puts response
const response = await client.search({
  index: "items",
  query: {
    bool: {
      must: {
        match: {
          name: "chocolate",
        },
      },
      should: {
        distance_feature: {
          field: "location",
          pivot: "1000m",
          origin: [-71.3, 41.15],
        },
      },
    },
  },
});
console.log(response);
GET /items/_search
{
  "query": {
    "bool": {
      "must": {
        "match": {
          "name": "chocolate"
        }
      },
      "should": {
        "distance_feature": {
          "field": "location",
          "pivot": "1000m",
          "origin": [-71.3, 41.15]
        }
      }
    }
  }
}

distance_feature 的顶层参数

编辑
field

（必需，字符串）用于计算距离的字段的名称。此字段必须满足以下条件

origin

（必需，字符串）用于计算距离的起始日期或点。

如果 field 值是 date 或 date_nanos 字段，则 origin 值必须是 日期。支持 日期数学，例如 now-1h。

如果 field 值是 geo_point 字段，则 origin 值必须是地理点。

pivot

（必需，时间单位或距离单位）距离 origin 的距离，在此距离处，相关性评分将获得 boost 值的一半。

如果 field 值是 date 或 date_nanos 字段，则 pivot 值必须是 时间单位，例如 1h 或 10d。

如果 field 值是 geo_point 字段，则 pivot 值必须是 距离单位，例如 1km 或 12m。

boost

（可选，浮点数）用于乘以匹配文档的相关性评分的浮点数。此值不能为负。默认为 1.0。

说明

编辑

distance_feature 查询如何计算相关性评分

编辑

distance_feature 查询动态计算 origin 值和文档字段值之间的距离。然后，它使用此距离作为特征来提高更近文档的相关性评分。

distance_feature 查询按如下方式计算文档的相关性评分

relevance score = boost * pivot / (pivot + distance)

distance 是 origin 值与文档字段值之间的绝对差值。

跳过非竞争命中

编辑

与 function_score 查询或更改相关性评分的其他方式不同，当 track_total_hits 参数 不是 true 时，distance_feature 查询可以有效地跳过非竞争命中。

« 特殊查询 “More like this” 查询 »