首页 文章

如何在elasticsearch中获得查询的最大分数？

提问于
浏览 次
1

我有一个存储在elasticsearch索引中的大型文档集，我需要找到类似的文档集来排除重复项 .

不幸的是，这些文档可能有不同的值，所以我不能完全依赖过滤器 . 相反，我试图评估使用多个字段和不同提升值的两个文档之间的差异 .

如果差异太大，则文档不会计为重复 . 问题是 - 我不知道如何评估差异，因为搜索响应中的_score没有说明差异有多大 .

为每个特定查询获得最大可能得分是完美的 . 我怎样才能做到这一点？

Edit ：例如，如果我执行这样的查询，则返回带有_score的JSON，大于1.00

请求：GET / documents / sometype / _search

{
    "query": {
        "bool": {
            "should": [
                {"match": {
                    "title": {
                        "query": "some title"
                    }
               }}
            ]
        } 
    }
}

响应示例：

{“take”：1，“timed_out”：false，“_ shards”：...，“hits”：{“total”：100，“max_score”：1.7588379，}}

正如文档所述，_score - 只是一个浮点数，对其范围一无所知 .

elasticsearch

1 回答

  • 2

    这是一个有趣的问题 . 由于Practical Scoring Function（PSF）通常使用逆文档频率（IDF），因此问题"What is the maximum document score given a query"不适合 . 评分结果取决于所有文档，即索引，甚至是ES配置中的分片数 .

    我的猜测是，通过修改索引，可以显示如果使用IDF，查询的最大分数是无限的 .

    但在特殊情况下，如果您通过使用例如停用PSF来停用PSF的IDF部分 constant_score ，最大分数应该是有限的，因为它只取决于doc本身，而不是索引 .

    话虽这么说，我也希望看到一个 _max_score endpoints 返回 inf ，如果IDF在查询中的某个地方使用，如果没有，则返回实际的最大文档分数 .

    回复于

相关问题