将静态相关性信号纳入评分
编辑将静态相关性信号纳入评分编辑
许多领域都有与相关性相关的静态信号。例如，PageRank 和 URL 长度是网页搜索中常用的两个特征，用于独立于查询调整网页的评分。
主要有两种查询可以将静态评分贡献与文本相关性（例如，使用 BM25 计算）结合起来： - script_score 查询 - rank_feature 查询
例如，假设您有一个 pagerank 字段，您希望将其与 BM25 评分结合起来，以便最终评分等于 score = bm25_score + pagerank / (10 + pagerank)。
使用 script_score 查询，查询将如下所示
response = client.search(
index: 'index',
body: {
query: {
script_score: {
query: {
match: {
body: 'elasticsearch'
}
},
script: {
source: "_score * saturation(doc['pagerank'].value, 10)"
}
}
}
}
)
puts response
GET index/_search
{
"query": {
"script_score": {
"query": {
"match": { "body": "elasticsearch" }
},
"script": {
"source": "_score * saturation(doc['pagerank'].value, 10)"
}
}
}
}
|
|
而使用 rank_feature 查询，它将如下所示
response = client.search(
body: {
query: {
bool: {
must: {
match: {
body: 'elasticsearch'
}
},
should: {
rank_feature: {
field: 'pagerank',
saturation: {
pivot: 10
}
}
}
}
}
}
)
puts response
GET _search
{
"query": {
"bool": {
"must": {
"match": { "body": "elasticsearch" }
},
"should": {
"rank_feature": {
"field": "pagerank",
"saturation": {
"pivot": 10
}
}
}
}
}
}
|
|
虽然这两个选项都会返回类似的评分，但它们之间存在权衡：script_score 提供了很大的灵活性，使您能够根据自己的喜好将文本相关性评分与静态信号结合起来。另一方面，rank_feature 查询 只提供了几种将静态信号纳入评分的方法。但是，它依赖于 rank_feature 和 rank_features 字段，这些字段以特殊的方式索引值，使 rank_feature 查询 能够跳过非竞争性文档，并更快地获得查询的最佳匹配项。