Question

如果我正在修改术语，请原谅我，但是我无法让ES以对我的应用程序有意义的方式对结果进行评分。

我正在使用几个简单字段索引成千上万的用户，以及可能有数百个嵌套在索引中的每个用户的子对象（即 Book - ＆gt; Pages 数据模型）。发送到索引的JSON如下所示：

user_id: 1
  full_name: First User
  username: firstymcfirsterton
  posts: 
   id: 2
    title: Puppies are Awesome
    tags:
     - dog house
     - dog supplies
     - dogs
     - doggies
     - hot dogs
     - dog lovers

user_id: 2
  full_name: Second User
  username: seconddude
  posts: 
   id: 3
    title: Dogs are the best
    tags:
     - dog supperiority
     - dog
   id: 4
    title: Why dogs eat?
    tags: 
     - dog diet
     - canines
   id: 5
    title: Who let the dogs out?
    tags:
     - dogs
     - terrible music

标签是“标签”类型，使用“关键字”分析器，并提升10.标题不会提升。

当我搜索“dog”时，第一个用户的得分高于第二个用户。我假设这必须使用第一个用户的tf-idf更高。但是在我的应用程序中，理想情况下获得该术语命中的用户的帖子数量会更多。

我尝试按帖子数量进行排序，但如果用户有很多帖子，这会产生垃圾结果。基本上我想按照独特的帖子点击次数进行排序，这样有更多帖子点击的用户会上升到最高位置。

我将如何做到这一点。有什么想法吗？

Answer 1

首先，我同意@karmi和@Zach的意见，通过匹配帖子来弄清楚你的意思是很重要的。为简单起见，我假设一个匹配的帖子在其中的某个地方有一个单词“dog”，我们没有使用关键字分析器来对标签进行匹配并提升更多的乐趣。

如果我理解你的问题，你想根据相关帖子的数量订购用户。这意味着您需要搜索帖子以查找相关帖子，然后将此信息用于您的用户查询。只有当帖子被单独索引时才有可能，这意味着帖子必须是子文档或嵌套字段。

假设帖子是子文档，我们可以像这样对数据进行原型设计：

curl -XPOST 'http://localhost:9200/test-idx' -d '{
    "settings" : {
        "number_of_shards" : 1,
        "number_of_replicas" : 0
    },
    "mappings" : {
      "user" : {
        "_source" : { "enabled" : true },
        "properties" : {
            "full_name": { "type": "string" },
            "username": { "type": "string" }
        }
      },
      "post" : {
        "_parent" : {
          "type" : "user"
        },
        "properties" : {
            "title": { "type": "string"},
            "tags": { "type": "string", "boost": 10}
        }
      }
    }
}' && echo

curl -XPUT 'http://localhost:9200/test-idx/user/1' -d '{
    "full_name": "First User",
    "username": "firstymcfirsterton"
}'  && echo
curl -XPUT 'http://localhost:9200/test-idx/user/2' -d '{
    "full_name": "Second User",
    "username": "seconddude"
}'  && echo

#Posts of the first user
curl -XPUT 'http://localhost:9200/test-idx/post/1?parent=1' -d '{
    "title": "Puppies are Awesome",
    "tags": ["dog house", "dog supplies", "dogs", "doggies", "hot dogs", "dog lovers", "dog"]
}'  && echo
curl -XPUT 'http://localhost:9200/test-idx/post/2?parent=1' -d '{
    "title": "Cats are Awesome too",
    "tags": ["cat", "cat supplies", "cats"]
}'  && echo
curl -XPUT 'http://localhost:9200/test-idx/post/3?parent=1' -d '{
    "title": "One fine day with a woof and a purr",
    "tags": ["catdog", "cartoons"]
}'  && echo

#Posts of the second user
curl -XPUT 'http://localhost:9200/test-idx/post/4?parent=2' -d '{
    "title": "Dogs are the best",
    "tags": ["dog supperiority", "dog"]
}'  && echo
curl -XPUT 'http://localhost:9200/test-idx/post/5?parent=2' -d '{
    "title": "Why dogs eat?",
    "tags": ["dog diet", "canines"]
}'  && echo
curl -XPUT 'http://localhost:9200/test-idx/post/6?parent=2' -d '{
    "title": "Who let the dogs out?",
    "tags": ["dogs", "terrible music"]
}'  && echo

curl -XPOST 'http://localhost:9200/test-idx/_refresh' && echo

我们可以使用Top Children Query查询这些数据。（或者在嵌套字段的情况下，我们可以使用Nested Query）

获得类似的结果

curl 'http://localhost:9200/test-idx/user/_search?pretty=true' -d '{
  "query": {
    "top_children" : {
        "type": "post",
        "query" : {
            "bool" : {
                "should": [
                    { "text" : { "title" : "dog" } },
                    { "text" : { "tags" : "dog" } }
                ]
            }
        },
        "score" : "sum"
    }
  }
}' && echo

此查询将首先返回第一个用户，因为来自匹配标记的巨大提升因子。所以，它可能看起来不像你想要的，但有一些简单的方法来修复它。首先，我们可以减少标签字段的提升因子。 10对于可以重复多次的场来说是非常大的因素。或者，我们可以修改查询以完全忽略子命中的分数，并使用最匹配的子文档的数量作为分数：

curl 'http://localhost:9200/test-idx/user/_search?pretty=true' -d '{
  "query": {
    "top_children" : {
        "type": "post",
        "query" : {
            "constant_score" : {
                "query" : {            
                    "bool" : {
                        "should": [
                            { "text" : { "title" : "dog" } },
                            { "text" : { "tags" : "dog" } }
                        ]
                    }
                }
            }
        },
        "score" : "sum"
    }
  }
}' && echo

让ElasticSearch在结果（idf？）中的总嵌套命中数得分高于单击命中的tf？

1 个答案: