相关性打分原理

Elasticsearch 采用基于 Lucene 的评分算法来衡量文档与查询的相关性，影响搜索结果的排序。理解相关性打分有助于优化查询效果。

1. 基本概念

相关性评分（_score）表示文档匹配查询的程度，分值越高表示越相关。

2. TF-IDF 与 BM25

• TF（Term Frequency）：词项在文档中出现的频率，频率越高，相关性越强
• IDF（Inverse Document Frequency）：词项在所有文档中的逆文档频率，出现越少，权重越高
• BM25：Elasticsearch 默认使用的改进版 TF-IDF 算法，结合词频、文档长度和其他参数，效果更佳

3. 计算公式简述（BM25）

$$ \text{score}(q,d) = \sum_{t \in q} IDF(t) \cdot \frac{tf(t,d) \cdot (k_1 + 1)}{tf(t,d) + k_1 \cdot (1 - b + b \cdot \frac{|d|}{avgdl})} $$

• ( tf(t,d) )：词项 ( t ) 在文档 ( d ) 中的频率
• ( |d| )：文档长度
• ( avgdl )：平均文档长度
• ( k_1, b )：调节参数，默认分别为 1.2 和 0.75
• ( IDF(t) )：词项逆文档频率

4. 其他影响因素

• 字段权重（boost）
• 查询类型和结构
• 过滤条件（不影响评分）

5. 调优建议

• 根据业务需求调整字段权重
• 使用功能查询（function_score）自定义打分
• 分析查询日志，优化索引和查询策略

理解相关性打分机制，能帮助你精准调整搜索效果，提升用户体验和业务价值。