Elasticsearch 搜索的功能学习

在文章 Elasticsearch 入门学习 中介绍了 Elasticsearch 的基础概念以及一些常用的 API。这篇文章是继续对 Elasticsearch 中一些的搜索功能的学习和总结：

搜索的相关性以及算分机制

是什么是相关性算分？

• 相关性算分描述了一个文档和查询语句的匹配程度，ES 会对查询到的每个文档进行打分，打分的本质就是排序
• ES5 之前默认的相关性打分采用 TF-IDF 算法，TF-IDF 是信息检索领域重要的发明，现代搜索引擎都对 TF-IDF 做了大量细微的优化
• ES6 之后开始采用 BM25 算法（对 TF-IDF 的改进），当 TF 无限增加时， BM 25 算法会使之趋于一个稳定的数值
• 在 ES 中查询加上 explain=true 可以查看当前查询是如何打分的
• 影响相关性算分的几个因子：

1. 词频-TF（Term Frequency）：检索词在一篇文档中出现的频率，频率越高，权重越大
2. 文档频率-DF（Document Frequency）- 检索词出现的文档数量占总文档数量的比重，DF 越大，出现的文档数越多，说明对应用意义越小，该词的相关性也就越小，
   比如 "and", "is" 这些词出现非常频繁，用户反而不关心
3. 逆向文档频率-IDF（Inverse document frequency）- 因为 DF 的值算出来结果范围会非常大，为了减少 DF 对打分的影响，引入了 IDF，其实就是对 DF 取对数来减少打分影响
4. 字段长度（Field-length）- 搜索的字段越短，相关性越高