Elastic boosting的使用

boosting介绍

Boosting查询允许您降低与负面查询匹配的文档的相关性评分

boosting语法

GET /_search
{"query": {"boosting": {"positive": {"term": {"text": "apple"}},"negative": {"term": {"text": "pie tart fruit crumble tree"}},"negative_boost": 0.5}}
}

关键词	语法介绍
positive	这是主要要匹配的查询，只会展示positive 条件匹配的结果
negative	这是要降低相关性分数的查询
negative_boost	一个在0到1之间的值,用于降低与negative查询匹配的文档的相关性评分

查询流程

执行正向(Positive)查询 ElasticSearch首先执行正向查询,获取与之匹配的文档集合。这个查询是Boosting查询的主要部分。
执行反向(Negative)查询然后,ElasticSearch执行反向查询,获取与之匹配的文档集合。这个查询是用来降低与之匹配文档的相关性分数。
计算相关性分数对于每个文档,ElasticSearch计算其相对于正向查询的相关性分数。如果该文档也与反向查询匹配,则其分数会根据negative_boost的值进行降低。
如果一个文档只与正向查询匹配,则保留原始分数不变
如果一个文档既与正向查询又与反向查询匹配,则按new_score = old_score * negative_boost计算新的降低后的分数
排序返回结果最后,ElasticSearch根据计算出的新相关性分数对匹配文档进行排序,并返回结果。

案例

场景

某电商网站,用户搜索"手机",我们希望对下面几种情况的商品评分分别进行调整:

如果是苹果手机,给予相对较高的权重
如果是较新的手机型号(2022年后上市),也给予较高权重
如果有"旗舰"、"Pro"等词，视为较高端机型而增加权重
如果是品牌为"X"的机型,则降低权重

索引创建

PUT /products
{"mappings": {"properties": {"name": {"type": "text"},"brand": {"type": "keyword"},"release_date": {"type": "date"}}}
}

文档插入

POST /_bulk
{"index":{"_index":"products"}}
{"name":"iPhone 14 Pro Max","brand":"Apple","release_date":"2022-09-15"}
{"index":{"_index":"products"}}
{"name":"小米12S Ultra","brand":"Xiaomi","release_date":"2022-07-04"}
{"index":{"_index":"products"}}
{"name":"华为Mate 50 Pro","brand":"Huawei","release_date":"2022-11-28"}
{"index":{"_index":"products"}}
{"name":"X品牌旗舰新机","brand":"X","release_date":"2021-06-01"}
{"index":{"_index":"products"}}
{"name":"三星Galaxy S23 Ultra","brand":"Samsung","release_date":"2023-02-17"}
{"index":{"_index":"products"}}
{"name":"魅族 Pro 7S","brand":"Meizu","release_date":"2020-05-28"}

查询语句

GET products/_search
{"query": {"boosting": {"positive": {"bool": {"should": [{"term": {"brand": {"value": "Apple"}}},{"range": {"release_date": {"gte": "2022-01-01"}}},{"regexp": {"name": ".*旗舰|Pro.*"}}]}},"negative": {"term": {"brand": {"value": "Xiaomi"}}},"negative_boost": 0.5}}
}