Elasticsearch本地腳本 - 評估索引文檔的字段值

Question

我試圖修改來自imotov的餘弦相似性腳本Github。在他的腳本中，他的docWeightSum只採用查詢中術語的頻率（tf），而不是文檔中的所有術語。

以下面的例子。 docWeightSum將爲9（「I」4，「am」4，「Sam」1）。我想要的docWeightSum是10（爲「火腿」添加1），因爲我想用兩個向量的大小對點積進行歸一化。

DOC： 「我是我火腿山姆」

查詢： 「山姆我是」

所以其實我有2個問題，因爲我的索引文件到Elasticsearch這樣的：

POST /termscore/doc 
{ 
    "text": "I am am I ham", 
    "docWeightSum": 9 
} 

• 是否有存在的API來獲取所有TF的平方和每個索引的文檔，或獲得TF在條款不在查詢中的文檔？如果不是，那我該如何計算這個和平方？
• 如果我預先計算每個文檔的tf的和平方，並將其與文檔內容一起放入Elasticsearch中（如上例所示），那麼在計算分數時，如何訪問該「docWeightSum」值？

我使用Elasticsearch 1.7

感謝，

Answer 1

要回答你的問題，這是可能的，但它是非常低效的計算docWeightSum在運行。因此，假設您預先計算了該值並將其索引到單獨的字段中，則可以使用doc lookup機制從本地腳本訪問這些值。如果你的計算不是很複雜，你可以通過在function_score查詢中使用field value factor得到，並避免完全編寫你自己的腳本。

說這個，我懷疑你問的是錯誤的問題。與其試圖將其實現爲評分腳本，我會建議考慮創建自己的自定義SimilarityProvider。您很可能會發現，大部分您正試圖將鞋拔入評分腳本的構造已經存在，並且更容易實施和使用。