呵呵，我正在开发一个小服务来计算物品之间的相似度。我将数据摄取到ElasticSearch集群中的一个索引中，其中每个项目都由维度为e1d0d1的数值向量与id一起表示。我已经开发了一个函数，您可以在其中输入ID列表，然后ElasticSearch计算出与这些条目最相似的条目。然而，在我的查询中，我必须遍历每个文档/项以提取数值向量。有没有什么方法可以让我的工作更有效率，这样我就不必在Python中的循环中查询ElasticSearch了？

def query_es_for_similar_items(es: Elasticsearch, item_ids: List[int], index: str, n=100):
    query1 = {"query": {"ids": {"type": "_doc", "values": item_ids}}}
    documents = es.search(index=index, body=query1)
    d_res = dict()
    for document in documents["hits"]["hits"]:
        item_id = int(document["_id"])
        query = {
            "size": n,
            "query": {
                "script_score": {
                    "query": {"bool": {"must_not": [{"match": {"_id": item_id}}]}},
                    "script": {
                        "source": "cosineSimilarity(params.query_value, doc[params.field]) + 1",
                        "params": {
                            "field": "embeddings",
                            "query_value": document["_source"]["embeddings"],
                        },
                    },
                }
            },
        }
        resp = es.search(index=index, body=query)
        ranked_scores = [
            {
                "item_id": document["_id"],
                "similarity": document["_score"] / 2,
            }
            for document in resp["hits"]["hits"]
        ]
        d_res[item_id] = ranked_scores
    return d_res