排序特征查询
编辑排序特征查询
编辑根据 rank_feature 或 rank_features 字段的数值，提升文档的相关性评分。
rank_feature 查询通常用于 bool 查询的 should 子句中，以便将其相关性评分添加到 bool 查询的其他评分中。
如果 rank_feature 或 rank_features 字段的 positive_score_impact 设置为 false，我们建议参与查询的每个文档都应该具有该字段的值。否则，如果在 should 子句中使用 rank_feature 查询，它不会对缺少值的文档的评分添加任何内容，但会为包含特征的文档添加一些提升。这与我们想要的结果相反——因为我们认为这些特征是负面的，我们希望对包含它们的文档的排名低于缺少它们的文档。
与 function_score 查询或其他更改相关性评分的方式不同，当 track_total_hits 参数 不 为 true 时，rank_feature 查询可以有效地跳过不具竞争力的命中。这可以显著提高查询速度。
排序特征函数
编辑为了根据排序特征字段计算相关性评分，rank_feature 查询支持以下数学函数：
如果您不知道从哪里开始，我们建议使用 saturation 函数。如果未提供任何函数，则 rank_feature 查询默认使用 saturation 函数。
示例请求
编辑索引设置
编辑要使用 rank_feature 查询，您的索引必须包含 rank_feature 或 rank_features 字段映射。要了解如何为 rank_feature 查询设置索引，请尝试以下示例。
创建一个带有以下字段映射的 test 索引：
-
pagerank，一个rank_feature字段，用于衡量网站的重要性。 -
url_length，一个rank_feature字段，包含网站 URL 的长度。在此示例中，较长的 URL 与相关性呈负相关，由positive_score_impact值为false表示。 -
topics，一个rank_features字段，包含主题列表以及衡量每个文档与该主题的关联程度。
resp = client.indices.create(
index="test",
mappings={
"properties": {
"pagerank": {
"type": "rank_feature"
},
"url_length": {
"type": "rank_feature",
"positive_score_impact": False
},
"topics": {
"type": "rank_features"
}
}
},
)
print(resp)
response = client.indices.create(
index: 'test',
body: {
mappings: {
properties: {
pagerank: {
type: 'rank_feature'
},
url_length: {
type: 'rank_feature',
positive_score_impact: false
},
topics: {
type: 'rank_features'
}
}
}
}
)
puts response
const response = await client.indices.create({
index: "test",
mappings: {
properties: {
pagerank: {
type: "rank_feature",
},
url_length: {
type: "rank_feature",
positive_score_impact: false,
},
topics: {
type: "rank_features",
},
},
},
});
console.log(response);
PUT /test
{
"mappings": {
"properties": {
"pagerank": {
"type": "rank_feature"
},
"url_length": {
"type": "rank_feature",
"positive_score_impact": false
},
"topics": {
"type": "rank_features"
}
}
}
}
将多个文档索引到 test 索引。
resp = client.index(
index="test",
id="1",
refresh=True,
document={
"url": "https://en.wikipedia.org/wiki/2016_Summer_Olympics",
"content": "Rio 2016",
"pagerank": 50.3,
"url_length": 42,
"topics": {
"sports": 50,
"brazil": 30
}
},
)
print(resp)
resp1 = client.index(
index="test",
id="2",
refresh=True,
document={
"url": "https://en.wikipedia.org/wiki/2016_Brazilian_Grand_Prix",
"content": "Formula One motor race held on 13 November 2016",
"pagerank": 50.3,
"url_length": 47,
"topics": {
"sports": 35,
"formula one": 65,
"brazil": 20
}
},
)
print(resp1)
resp2 = client.index(
index="test",
id="3",
refresh=True,
document={
"url": "https://en.wikipedia.org/wiki/Deadpool_(film)",
"content": "Deadpool is a 2016 American superhero film",
"pagerank": 50.3,
"url_length": 37,
"topics": {
"movies": 60,
"super hero": 65
}
},
)
print(resp2)
response = client.index(
index: 'test',
id: 1,
refresh: true,
body: {
url: 'https://en.wikipedia.org/wiki/2016_Summer_Olympics',
content: 'Rio 2016',
pagerank: 50.3,
url_length: 42,
topics: {
sports: 50,
brazil: 30
}
}
)
puts response
response = client.index(
index: 'test',
id: 2,
refresh: true,
body: {
url: 'https://en.wikipedia.org/wiki/2016_Brazilian_Grand_Prix',
content: 'Formula One motor race held on 13 November 2016',
pagerank: 50.3,
url_length: 47,
topics: {
sports: 35,
"formula one": 65,
brazil: 20
}
}
)
puts response
response = client.index(
index: 'test',
id: 3,
refresh: true,
body: {
url: 'https://en.wikipedia.org/wiki/Deadpool_(film)',
content: 'Deadpool is a 2016 American superhero film',
pagerank: 50.3,
url_length: 37,
topics: {
movies: 60,
"super hero": 65
}
}
)
puts response
const response = await client.index({
index: "test",
id: 1,
refresh: "true",
document: {
url: "https://en.wikipedia.org/wiki/2016_Summer_Olympics",
content: "Rio 2016",
pagerank: 50.3,
url_length: 42,
topics: {
sports: 50,
brazil: 30,
},
},
});
console.log(response);
const response1 = await client.index({
index: "test",
id: 2,
refresh: "true",
document: {
url: "https://en.wikipedia.org/wiki/2016_Brazilian_Grand_Prix",
content: "Formula One motor race held on 13 November 2016",
pagerank: 50.3,
url_length: 47,
topics: {
sports: 35,
"formula one": 65,
brazil: 20,
},
},
});
console.log(response1);
const response2 = await client.index({
index: "test",
id: 3,
refresh: "true",
document: {
url: "https://en.wikipedia.org/wiki/Deadpool_(film)",
content: "Deadpool is a 2016 American superhero film",
pagerank: 50.3,
url_length: 37,
topics: {
movies: 60,
"super hero": 65,
},
},
});
console.log(response2);
PUT /test/_doc/1?refresh
{
"url": "https://en.wikipedia.org/wiki/2016_Summer_Olympics",
"content": "Rio 2016",
"pagerank": 50.3,
"url_length": 42,
"topics": {
"sports": 50,
"brazil": 30
}
}
PUT /test/_doc/2?refresh
{
"url": "https://en.wikipedia.org/wiki/2016_Brazilian_Grand_Prix",
"content": "Formula One motor race held on 13 November 2016",
"pagerank": 50.3,
"url_length": 47,
"topics": {
"sports": 35,
"formula one": 65,
"brazil": 20
}
}
PUT /test/_doc/3?refresh
{
"url": "https://en.wikipedia.org/wiki/Deadpool_(film)",
"content": "Deadpool is a 2016 American superhero film",
"pagerank": 50.3,
"url_length": 37,
"topics": {
"movies": 60,
"super hero": 65
}
}
示例查询
编辑以下查询搜索 2016，并根据 pagerank、url_length 和 sports 主题提升相关性评分。
resp = client.search(
index="test",
query={
"bool": {
"must": [
{
"match": {
"content": "2016"
}
}
],
"should": [
{
"rank_feature": {
"field": "pagerank"
}
},
{
"rank_feature": {
"field": "url_length",
"boost": 0.1
}
},
{
"rank_feature": {
"field": "topics.sports",
"boost": 0.4
}
}
]
}
},
)
print(resp)
const response = await client.search({
index: "test",
query: {
bool: {
must: [
{
match: {
content: "2016",
},
},
],
should: [
{
rank_feature: {
field: "pagerank",
},
},
{
rank_feature: {
field: "url_length",
boost: 0.1,
},
},
{
rank_feature: {
field: "topics.sports",
boost: 0.4,
},
},
],
},
},
});
console.log(response);
GET /test/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"content": "2016"
}
}
],
"should": [
{
"rank_feature": {
"field": "pagerank"
}
},
{
"rank_feature": {
"field": "url_length",
"boost": 0.1
}
},
{
"rank_feature": {
"field": "topics.sports",
"boost": 0.4
}
}
]
}
}
}
rank_feature 的顶级参数
编辑-
field - （必需，字符串）用于提升相关性评分的
rank_feature或rank_features字段。 -
boost -
（可选，浮点数）用于降低或增加相关性评分的浮点数。默认为
1.0。提升值相对于默认值
1.0。介于0和1.0之间的提升值会降低相关性评分。大于1.0的值会增加相关性评分。 -
saturation -
（可选，函数对象）饱和度函数，用于根据排序特征
field的值来提升相关性评分。如果未提供任何函数，则rank_feature查询默认使用saturation函数。有关更多信息，请参见饱和度。只能提供一个函数：
saturation、log、sigmoid或linear。 -
log -
（可选，函数对象）对数函数，用于根据排序特征
field的值来提升相关性评分。有关更多信息，请参见对数。只能提供一个函数：
saturation、log、sigmoid或linear。 -
sigmoid -
（可选，函数对象）Sigmoid 函数，用于根据排序特征
field的值来提升相关性评分。有关更多信息，请参见Sigmoid。只能提供一个函数：
saturation、log、sigmoid或linear。 -
linear -
（可选，函数对象）线性函数，用于根据排序特征
field的值来提升相关性评分。有关更多信息，请参见线性。只能提供一个函数：
saturation、log、sigmoid或linear。
注意事项
编辑饱和度
编辑saturation 函数给出的分数等于 S / (S + pivot)，其中 S 是排序特征字段的值，pivot 是一个可配置的支点值，以便如果 S 小于支点，则结果将小于 0.5，否则大于 0.5。分数始终为 (0,1)。
如果排序特征具有负分数影响，则该函数将计算为 pivot / (S + pivot)，当 S 增加时，该值会减小。
resp = client.search(
index="test",
query={
"rank_feature": {
"field": "pagerank",
"saturation": {
"pivot": 8
}
}
},
)
print(resp)
const response = await client.search({
index: "test",
query: {
rank_feature: {
field: "pagerank",
saturation: {
pivot: 8,
},
},
},
});
console.log(response);
GET /test/_search
{
"query": {
"rank_feature": {
"field": "pagerank",
"saturation": {
"pivot": 8
}
}
}
}
如果未提供 pivot 值，则 Elasticsearch 会计算一个默认值，该值等于索引中所有排序特征值的近似几何平均值。如果您没有机会训练一个好的支点值，我们建议使用此默认值。
resp = client.search(
index="test",
query={
"rank_feature": {
"field": "pagerank",
"saturation": {}
}
},
)
print(resp)
const response = await client.search({
index: "test",
query: {
rank_feature: {
field: "pagerank",
saturation: {},
},
},
});
console.log(response);
GET /test/_search
{
"query": {
"rank_feature": {
"field": "pagerank",
"saturation": {}
}
}
}
对数
编辑log 函数给出的分数等于 log(scaling_factor + S)，其中 S 是排序特征字段的值，scaling_factor 是一个可配置的缩放因子。分数是无界的。
此函数仅支持具有正分数影响的排序特征。
resp = client.search(
index="test",
query={
"rank_feature": {
"field": "pagerank",
"log": {
"scaling_factor": 4
}
}
},
)
print(resp)
const response = await client.search({
index: "test",
query: {
rank_feature: {
field: "pagerank",
log: {
scaling_factor: 4,
},
},
},
});
console.log(response);
GET /test/_search
{
"query": {
"rank_feature": {
"field": "pagerank",
"log": {
"scaling_factor": 4
}
}
}
}
Sigmoid
编辑sigmoid 函数是 saturation 的扩展，它添加了一个可配置的指数。分数计算为 S^exp^ / (S^exp^ + pivot^exp^)。与 saturation 函数一样，pivot 是使分数为 0.5 的 S 值，分数是 (0,1)。
exponent 必须为正数，通常在 [0.5, 1] 之间。应通过训练计算出一个好的值。如果您没有机会这样做，我们建议您改用 saturation 函数。
resp = client.search(
index="test",
query={
"rank_feature": {
"field": "pagerank",
"sigmoid": {
"pivot": 7,
"exponent": 0.6
}
}
},
)
print(resp)
const response = await client.search({
index: "test",
query: {
rank_feature: {
field: "pagerank",
sigmoid: {
pivot: 7,
exponent: 0.6,
},
},
},
});
console.log(response);
GET /test/_search
{
"query": {
"rank_feature": {
"field": "pagerank",
"sigmoid": {
"pivot": 7,
"exponent": 0.6
}
}
}
}
线性
编辑linear 函数是最简单的函数，给出的分数等于 S 的索引值，其中 S 是排序特征字段的值。如果使用 "positive_score_impact": true 对排序特征字段进行索引，则其索引值等于 S，并四舍五入以仅保留 9 位有效位以获得精度。如果使用 "positive_score_impact": false 对排序特征字段进行索引，则其索引值等于 1/S，并四舍五入以仅保留 9 位有效位以获得精度。
resp = client.search(
index="test",
query={
"rank_feature": {
"field": "pagerank",
"linear": {}
}
},
)
print(resp)
const response = await client.search({
index: "test",
query: {
rank_feature: {
field: "pagerank",
linear: {},
},
},
});
console.log(response);
GET /test/_search
{
"query": {
"rank_feature": {
"field": "pagerank",
"linear": {}
}
}
}