ES打分机制浅析

绝地灬酷狼 2023-02-13 11:54 7阅读 0赞

ES 打分机制也就是文档的相关性评价，确定文档和查询有多么相关的过程被称为打分（scoring）。尽管精确地理解Elasticsearch是如何计算文档得分这一点并不是必须的，但是对于如何适用ES来说，它仍然是非常有帮助的。

# **文档打分如何运作** #

Lucene(以及其扩展Elasticsearch)的打分机制是一个公式，将考量的文档作为输入，使用不同的因素来确定该文档的得分。

公式如下：

![2020060908573161.png][]

给定查询q和文档d,其得分是查询中每个词条t的得分综合。而每个词条的得分是该词在文档d中的词频的平方根，乘以该词逆文档频率的平方和，再乘以该文档字段的归一化因子，最后乘上该词的提升权重（boost(t)）

## **TF(term fraquency) 词频** ##

**表示词条（关键字）在文本中出现的频率**。

![70][]

## **逆向文件频率 (IDF-Inverse Document Frequency) ** ##

是一个词语普遍重要性的度量。某一特定词语的IDF，可以由**总文件数目除以包含该词语之文件的数目，再将得到的商取以10为底的对数得到。**

![70 1][]

**norm(d,field)**：归一化处理

**boost(t)**:权重提升，boost是一个可以用来修改文档的相关性的程序参数（可以根据实际需求调整评分权重）

**总之就是：TF文档中某词条出现的次数越多，分数越高，相似的，IDF出现的文档数越少，分数越高。**

TF-IDF是Lucene默认的评分机制，如果想详细了解，可以参考：[TF-IDF算法介绍][TF-IDF]

# 其他打分机制 #

尽管TF-IDF（注：指TF-IDF的一种实用打分模型）是Elasticsearch和Lucene最为主流的评分机制，但并不意味着它是唯一的模型。其他模型还有以下这些：

*  Okapi BM25
 *  随机性分歧（Divergence from randomness）,即DFR相似度
 *  基于信息的（Information based）,即IB相似度
 *  LM dirichlet相似度
 *  LM Jelinek Mercer相似度

[2020060908573161.png]: https://img-blog.csdnimg.cn/2020060908573161.png
[70]: https://img-blog.csdn.net/20180807190512798?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FzaWFsZWVfYmlyZA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 1]: https://img-blog.csdn.net/20180807191126207?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FzaWFsZWVfYmlyZA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[TF-IDF]: https://blog.csdn.net/wangxuelei036/article/details/106519695