elasticsearch ngram评分如何工作？

Question

索引中有两个文档。一个包含字段：

 name: foo bar

和另一个

 name: foo xyz bar xyz foo xyz bar xyz foo xyz bar xyz foo xyz bar

我正在像这样使用ngrams分析器：

"analysis": {
  "analyzer": {
    "ngram_analyzer": {
      "tokenizer": "ngram_tokenizer"
    }
  },
  "tokenizer": {
    "ngram_tokenizer": {
      "type": "ngram",
      "min_gram": 3,
      "max_gram": 3,
      "token_chars": [
        "letter",
        "digit",
        "whitespace"
      ]
    }
  }
}

当我搜索foo bar时，第一个文档的得分更高，然后第二个。这就是我想要的，但是谁能解释这个评分是如何工作的？据我所知，ngram将它们分成3个字符长的术语，并且如何发现foo和bar在第一个文档中是按顺序排列的，并赋予它较高的分数？

Answer 1

在开始时，Elasticsearch中的相关性/得分不是最容易的部分。分数计算基于三个主要部分：

• 学期频率
• 反文档频率
• 字段长度范数

简短地：

• 该术语在田间经常出现，更相关的是
• 该术语通常出现在整个索引中，与LESS相关的是
• 期限越长，相关性越强

我建议您阅读以下材料：

• What Is Relevance?
• Theory Behind Relevance Scoring
• Controlling Relevance和子页面

但另外，得分将取决于您使用的查询类型。例如，对于match查询foo bar搜索词，更适合foo bar文档到第二个文档。