Elasticsearch相似度discount_overlaps

Question

我正在使用Elasticsearch 5.3.1，我正在评估BM25和Classic TF / IDF。 我遇到了discount_overlaps属性，这是可选的。

  

确定是否重叠令牌（具有0位置增量的标记）   计算规范时会被忽略。默认情况下这是真的，这意味着   计算规范时，重叠令牌不计算在内。

如果可能，有人可以通过示例解释上述内容。

Answer 1

首先，标准计算为boost / √length，此值存储在索引时。这会导致较短字段上的匹配得到更高的分数（因为10中的1通常比1000中的1更好）。

举个例子，让我们说我们的分析器上有一个同义词过滤器，它会在我们字段的索引形式中索引一堆同义词。然后我们索引这段文字：

  该男子扔了一个飞盘

分析器将所有同义词添加到字段后，它看起来像这样：

现在，当我们搜索＆＃34;该家伙投了一张光盘＆＃34;时，我们会得到一个匹配。

问题是，出于上述规范计算的目的，长度是多少？

• 如果discount_overlaps = false，则length = 12
• 如果discount_overlaps = true，则length = 5