我正在使用 Elasticsearch 7.3 进行产品搜索。产品标题的格式不同,但我对此无能为力。
一些标题可能如下所示:
Ford Hub Bearing
其他人是这样的:
Hub bearing for a Chevrolet Z71 - model number 5528923-01
如果有人搜索“雪佛兰轮毂轴承”,“福特轮毂轴承”产品排名第一,雪佛兰零件排名第二。如果我从产品标题中删除所有额外的文本(型号 5528923-01),雪佛兰零件会根据需要排名第一。
不幸的是,我无法修复产品标题,因此当有人搜索Chevrolet Hub Bearing
. 我只是将类型设置为name
totext
并standard
在我的索引中应用了分析器。这是我的查询代码:
{
query:{
bool: {
must: [
{
multi_match:{
fields:
[
'name'
],
query: "Chevrolet Hub Bearing"
}
}
]
}
}
}
Elasticsearch 在评分公式中使用字段长度和 BM25 算法。这就是为什么较长的文档即使匹配更多术语也会排在第二位的原因。
我建议您阅读有关 BM25 的精彩博文:how-shards-affect-relevance-scoring-in -elasticsearch和the-bm25-algorithm-and-its-variables
但是您可以调整 bm25 算法来避免这种行为。这是elasticsearch的bm25文档和解释如何做的帖子
基于 TF/IDF 的相似性具有内置的 tf 规范化,并且应该对短字段(如名称)工作得更好。有关更多详细信息,请参阅 Okapi_BM25。这种相似性有以下选项:
k1 => 控制非线性项频归一化(饱和度)。默认值为 1.2。
b => 控制文档长度标准化 tf 值的程度。默认值为 0.75。
discount_overlaps => 确定计算范数时是否忽略重叠标记(位置增量为 0 的标记)。默认情况下这是真的,这意味着在计算规范时重叠标记不计算在内。
因此,您应该在索引设置中配置新的相似度,如下所示:
PUT <index>
{
"settings": {
"index": {
"number_of_shards": 1
},
"similarity": {
"my_bm25_without_length_normalization": {
"type": "BM25",
"b": 0
}
}
},
"mappings": {
"doc": {
"properties": {
"name": {
"type": "text",
"similarity": "my_bm25_without_length_normalization"
}
}
}
}
}
然后 if 将停止惩罚更长的得分。其他字段的长度规范化将保留。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句