函数算分 function_score

单函数样例

GET /_search
{
    "query": {
        "function_score": {
            "query": { "match_all": {} },
            "boost": "5",
            "random_score": {}, 
            "boost_mode":"multiply"
        }
    }
}

random_score 生成从 0 到但不包括 1 的均匀分布的浮点数，通常由于结果集打散。

组合多个函数

GET /_search
{
    "query": {
        "function_score": {
          "query": { "match_all": {} },
          "boost": "5", 
          "functions": [
              {
                  "filter": { "match": { "test": "bar" } },
                  "random_score": {}, 
                  "weight": 23
              },
              {
                  "filter": { "match": { "test": "cat" } },
                  "weight": 42
              }
          ],
          "max_boost": 42,
          "score_mode": "max",
          "boost_mode": "multiply",
          "min_score" : 42
        }
    }
}

boost : 对整体分数进行系数加权
weight : 过滤子句评分权重

首先，每个文档都根据定义的函数进行评分。参数 score_mode 指定如何组合这些分数：

score_mode	说明
multiply	分数相乘（默认）
sum	分数求和
avg	分数取平均值
first	分数取匹配过滤器的第一个函数
max	取最高分
min	取最低分

内置函数

function_score 提供以下几种评分函数

script_score
weight
random_score
field_value_factor
decay functions: gauss, linear, exp

script_score

script_score 函数允许您包装另一个查询并自定义它的评分，使用脚本表达式从文档中的其他数字字段值派生的计算（可选的）。这是一个简单的示例：

GET /_search
{
    "query": {
        "function_score": {
            "query": {
                "match": { "message": "elasticsearch" }
            },
            "script_score" : {
                "script" : {
                  "source": "Math.log(2 + doc['likes'].value)"
                }
            }
        }
    }
}

提示

在 Elasticsearch 中，所有文档得分都是正的 32 位浮点数。
如果 script_score 函数产生的分数精度更高，则会将其转换为最接近的 32 位浮点数。
同样，分数必须是非负数。否则，Elasticsearch 会返回一个错误。

脚本编译在缓存中进行以加快执行速度。如有必要可以考虑重用同一个脚本，并为其提供参数

GET /_search
{
    "query": {
        "function_score": {
            "query": {
                "match": { "message": "elasticsearch" }
            },
            "script_score" : {
                "script" : {
                    "params": {
                        "a": 5,
                        "b": 1.2
                    },
                    "source": "params.a / Math.pow(params.b, doc['likes'].value)"
                }
            }
        }
    }
}

weight

权重分数允许您将分数乘以提供的权重。

"weight" : number

random_score

如果您希望分数可重复，可以提供seed和field。然后，将根据该seed、所考虑文档的最小字段值和基于索引名称和shardid计算的salt来计算最终得分，以便具有相同值但存储在不同索引中的文档获得不同的得分。请注意，位于同一shard内且字段值相同的文档将获得相同的分数，因此通常需要使用对所有文档具有唯一值的字段。一个好的默认选择可能是使用_seq_no字段，其唯一的缺点是，如果文档被更新，分数将发生变化，因为更新操作也会更新_seq_n字段的值。

GET /_search
{
    "query": {
        "function_score": {
            "random_score": {
                "seed": 10,
                "field": "_seq_no"
            }
        }
    }
}

field_value_factor

field_value_factor 函数允许您使用文档中的字段来影响分数。它类似于使用 script_score 函数，但是，它避免了编写脚本的开销。如果用于多值字段，则只有该字段的第一个值用于计算。

假设你有一个数字类型字段 likes，并希望用这个字段影响文档的分数，这样做的例子如下

GET /_search
{
    "query": {
        "function_score": {
            "field_value_factor": {
                "field": "likes",
                "factor": 1.2,
                "modifier": "sqrt",
                "missing": 1
            }
        }
    }
}

这将转化为以下评分公式：sqrt(1.2 * doc['likes'].value)

field_value_factor 的函数选项：

参数	说明
field	要从文档中提取的字段。
factor	与字段值相乘的可选因子，默认为 1。
modifier	应用于字段值的修饰符可以是以下之一：none、log、log1p、log2p、ln、ln1p、ln2p、square、sqrt 或 reciprocal。默认为none。

Modifier 参数

Modifier	含义
none	不要对字段值应用任何乘数
log	取字段值的常用对数
log1p	字段值加1，取常用对数
log2p	字段值加2，取常用对数
ln	取字段值的自然对数
ln1p	字段值加1取自然对数
ln2p	字段值加2取自然对数
square	将字段值平方（乘以它本身）
sqrt	取字段值的平方根
reciprocal	倒数字段值，类似于 1/x ，其中 x 是字段值

提示

field_value_score 函数产生的分数必须是非负数，否则将发出弃用警告。

注意，取 0 的 log() 或负数的平方根是非法操作，会抛出异常。一定要限制使用范围过滤器的字段值以避免这种情况，或使用 log1p 和ln1p

decay

衰减函数（Decay Function）对于一个字段，它有一个理想的值，而字段实际的值越偏离这个理想值（无论是增大还是减小），就越不符合期望。

Decay Function 可用于数值、日期和地理位置类型。由以下属性组成：

原点（origin）：该字段最理想的值，这个值可以得到满分（1.0）
偏移量（offset）：与原点相差在偏移量之内的值也可以得到满分
衰减规模（scale）：当值超出了原点到偏移量这段范围，它所得的分数就开始进行衰减了，衰减规模决定了这个分数衰减速度的快慢
衰减值（decay）：该字段可以被接受的值（默认为 0.5），相当于一个分界点，具体的效果与衰减的模式有关

例如我们想要买一样东西：

它的理想价格是 50 元，这个值为原点
但是我们不可能非 50 元就不买，而是会划定一个可接受的价格范围，例如 45-55 元，±5 就为偏移量
当价格超出了可接受的范围，就会让人觉得越来越不值。如果价格是 70 元，评价可能是不太想买，而如果价格是 200 元，评价则会是不可能会买，这就是由衰减规模和衰减值所组成的一条衰减曲线

或者如果我们想租一套房：

它的理想位置是公司附近，公司位置就是原点
如果离公司在 5km 以内，是我们可以接受的范围，在这个范围内我们不去考虑距离，而是更偏向于其他信息
当距离超过 5km 时，我们对这套房的评价就越来越低了，直到超出了某个范围就再也不会考虑了

使用样例字段值介于 2013-09-12 和 2013-09-22 之间的文档的权重为 1.0，而距该日期 15 天的文档的权重为 0.5。

GET /_search
{
    "query": {
        "function_score": {
            "gauss": {
                "date": {
                      "origin": "2013-09-17", 
                      "scale": "10d",
                      "offset": "5d", 
                      "decay" : 0.5 
                }
            }
        }
    }
}

DECAY_FUNCTION

衰减函数可以指定三种不同的模式：线性函数（linear）、以 e 为底的指数函数（Exp）和高斯函数（gauss），它们拥有不同的衰减曲线：

1. gauss

高斯函数，曲线特点：他的衰减速率是先缓慢，然后变快，最后又放缓。计算公式：

计算以确保分数在距原点+-偏移量的距离范围内采用值衰减

2. exp

指数衰减，曲线特点：先剧烈衰减然后变缓。计算公式：

再次计算参数以确保分数在距原点+-偏移量的距离范围内衰减值

3. linear

线性函数是条直线，一旦直线与横轴0相交，所有其他值的评分都是0，计算公式：

再次计算参数 s 以确保分数在距原点+-偏移量的距离范围内取值衰减

多值字段 Multi-values fields

如果用于计算衰减的字段包含多个值，默认情况下选择最接近原点的值来确定距离。这可以通过设置 multi_value_mode 来改变。

multi_value_mode	含义
min	距离取最小距离值
max	距离取最大距离值
avg	距离是所有距离的的平均值
sum	距离是所有距离的总和

例子

    "DECAY_FUNCTION": {
        "FIELD_NAME": {
              "origin": ...,
              "scale": ...
        },
        "multi_value_mode": "avg"
    }

单函数样例​

组合多个函数​

内置函数​

script_score​

weight​

random_score​

field_value_factor​

Modifier 参数​

decay​

DECAY_FUNCTION​

1. gauss​

2. exp​

3. linear​

多值字段 Multi-values fields​