Elasticsearch - How to normalize score when combining regular query and function_score?

在Elasticsearch中结合常规查询和function_score查询时，我们可能会遇到一个问题：常规查询和功能得分的相对重要性如何平衡？为了解决这个问题，我们可以使用规范化分数的方法来确保得分是合理分配的。

步骤1: 使用常规查询进行搜索

首先，我们需要定义一个常规的查询，用来搜索满足基本条件的文档。例如，假设我们需要在一个商品数据库中搜索包含特定关键字的商品。

json
{
  "query": {
    "match": {
      "description": "smartphone"
    }
  }
}

步骤2: 应用 function_score

其次，我们使用function_score来调整这些搜索结果的得分。这可以通过多种方式实现，例如根据某些字段的值（如用户评分、销量等）增加得分。

json
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "description": "smartphone"
        }
      },
      "functions": [
        {
          "field_value_factor": {
            "field": "sales",
            "factor": 1.2,
            "modifier": "sqrt",
            "missing": 1
          }
        }
      ],
      "score_mode": "multiply"
    }
  }
}

在这个例子中，我们对每个文档的基本得分应用了一个基于销量的加权因子，使用了一个平方根调制器来减少高销量对得分的极端影响。

步骤3: 规范化分数

最重要的一步是分数的规范化。因为不同的函数可能导致得分范围差异很大，我们需要使用一种方法来规范化这些得分。Elasticsearch提供了多种方式，例如min, max, avg等，但通常需要自定义脚本来精确控制得分的规范化。

json
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "description": "smartphone"
        }
      },
      "functions": [
        {
          "field_value_factor": {
            "field": "sales",
            "factor": 1.2,
            "modifier": "sqrt",
            "missing": 1
          }
        }
      ],
      "score_mode": "multiply",
      "boost_mode": "replace",
      "script_score": {
        "script": {
          "source": "Math.log(1 + _score * params.factor)",
          "params": {
            "factor": 10
          }
        }
      }
    }
  }
}

在这里，我们使用了一个自定义脚本来调整最终得分。这个脚本取得原始得分（由function_score计算得出），并应用一个对数函数来减少高得分的影响，同时通过参数factor调整得分的灵敏度。

结论

通过这种方式，我们可以组合使用基本查询和function_score，同时通过应用规范化和自定义脚本来保证得分的合理性和适用性。这样的查询不但可以根据基本的匹配条件筛选文档，还可以根据业务需求调整文档的得分，实现更精细化的搜索结果排序。