如何在 Elasticsearch 中提升给定搜索词的特定文档？

Question

我需要您在实际场景中的索引设计方面的帮助。这可能是一个很长的问题，让我尝试尽可能简洁地解释它。

我们正在构建一个基于 Elasticsearch 的搜索平台，为我们的客户提供站点搜索体验，索引中的文档可能是这样的：

{ "Path":"http://www.foo.com/doc/abc/1", "Title":"Title 1", "Description":"The description of doc 1", ... }
{ "Path":"http://www.foo.com/doc/abc/2", "Title":"Title 2", "Description":"The description of doc 2", ... }
{ "Path":"http://www.foo.com/doc/abc/3", "Title":"Title 3", "Description":"The description of doc 3", ... }
...

对于每个查询，返回的命中文档默认按相关性排序，但我们的客户还希望针对某些关键字提升某些特定文档，

它们为我们提供了以下内容，例如提升配置 XML：

<boost>
    <Keywords value="keyword1">
        <Path rank="10000">http://www.foo.com/doc/abc/1</Path>
    </Keywords>

    <Keywords value="keyword2">
        <Path rank="10000">http://www.foo.com/doc/abc/2</Path>
        <Path rank="9900">http://www.foo.com/doc/abc/1</Path>
    </Keywords>

    <Keywords value="keyword3">
        <Path rank="10000">http://www.foo.com/doc/abc/3</Path>
        <Path rank="9900">http://www.foo.com/doc/abc/2</Path>
        <Path rank="9800">http://www.foo.com/doc/abc/1</Path>
    </Keywords>
</boost>

这意味着，如果用户搜索“keyword1”，则前 1 个命中的文档应该是 Path 字段值为“ www.foo.com/doc/abc/1 ”的文档，而不管该文档的相关性得分如何。类似地，如果搜索“KEYWORD3”，前3命中文件应是其路径值为“文件www.foo.com/doc/abc/3 ”，“ www.foo.com/doc/abc/2 ”和“ www.foo。 com/doc/abc/1 " 分别。

为了满足这个特殊的需求，我的设计是，首先将原来的boosting XML转换成如下格式：

<boost>
    <Path value="http://www.foo.com/doc/abc/1">
        <keywords>
           <keyword value="keyword1" rank="10000" />
           <keyword value="keyword2" rank="9900" />
           <keyword value="keyword3" rank="9800" />
        </keywords>
    </Path>

    <Path value="http://www.foo.com/doc/abc/2">
        <keywords>
           <keyword value="keyword2" rank="10000" />
           <keyword value="keyword3" rank=9900" />
        </keywords>
    </Path> 
    <Path value="http://www.foo.com/doc/abc/3">
        <keywords>
           <keyword value="keyword3" rank="10000" />
        </keywords>
    </Path>
</boost>   

然后向 Elasticsearch 文档添加一个嵌套字段“Boost”，其中包含一组关键字/排名字段，如下例所示：

{
  "Boost": [ 
     { "keyword":"keyword1", "rank": 10000},
     { "keyword":"keyword2", "rank": 9900},
     { "keyword":"keyword3", "rank": 9800}
  ] 
  "Path":"http://www.foo.com/doc/abc/1", 
  "Title":"Title 1", 
  "Description":"The description of doc 1",
   ...
 }

{
    "Boost": [ 
       { "keyword":"keyword2", "rank": 10000},
       { "keyword":"keyword3", "rank": 9900}
    ] 
    "Path":"http://www.foo.com/doc/abc/2", 
    "Title":"Title 2", 
    "Description":"The description of doc 2",
     ...
 }

{

    "Boost": [ 
       { "keyword":"keyword3", "rank": 10000}
    ] 
    "Path":"http://www.foo.com/doc/abc/3", 
    "Title":"Title 3", 
    "Description":"The description of doc 3",
     ...
}

然后在查询时，使用嵌套查询获取给定搜索关键字的每个匹配文档的排名值，然后使用评分脚本根据此排名值调整相关性分数。

由于 boosting XML 的排名值远大于正常的相关性分数（一般小于 5），因此在 boosting XML 中为给定关键字配置的文档的调整分数应该是最高分。

你认为 Elasticsearch 上的设计是好的吗？对更好的方法有什么建议吗？

提前致谢！

Answer 1

最好将关键字与原始文档放在单独的字段中建立索引，然后在搜索过程中仅增强该字段中的匹配。

这与您所描述的不完全一样，因为它无法让您很好地控制每个关键字的提升因子。但是，如果查询包含特定关键字，这绝对是一种使特定文档在搜索结果中显示得更高的方法。

如果您确实需要更好地控制不同关键字的提升因子，您仍然可以使用此方法来实现。但是您需要创建几个“增强关键字”字段并在查询中以不同方式增强它们。

例如：

{ "Path":"http://www.foo.com/doc/abc/1",
  "Title":"Title 1",
  "Description":"The description of doc 1",
  "boost_kw1": "keyword1 keyword2",
  "boost_kw2": "keyword3 keyword4" },
{ "Path":"http://www.foo.com/doc/abc/1",
  "Title":"Title 1",
  "Description":"The description of doc 1",
  "boost_kw1": "keyword3",
  "boost_kw2": "keyword1 keyword2" }

在查询中，您将总分计算为以下各项的总和：

• 主要查询
• “boost_kw1”中的比赛得分乘以 10
• “boost_kw2”中的比赛得分乘以 5