我试图创建一个电子商务应用程序的搜索功能，我有不同类别的产品，包括手机和手机盖。当我搜索“手机”，我想看到的产品，有一个类别的手机，而不是手机盖。但由于某种原因，产品与手机盖类别将获得更高的分数。
hpcdzsge1#
这是因为你搜索的领域和你提高分数的策略。首先，让我们了解一下Elasticsearch评分。
Elasticsearch's _score是一种用于确定搜索结果相关性的排名算法。分数是基于因素组合计算的，包括term frequency、inverse document frequency和field length normalization。
term frequency
inverse document frequency
field length normalization
假设您有一个Elasticsearch图书索引，其中包含“title”和“description”字段，您希望搜索与查询“scifficnovel”匹配的图书。Elasticsearch将搜索索引中每本书的“标题”和“描述”字段，并计算每本书与查询匹配程度的分数。在标题和描述中出现更频繁的单词“科学”、“虚构”和“小说”的书籍的_分数会更高。
例如，假设索引中有两本书：
第1册：标题：“银河系搭车客指南”。描述：“一部喜剧科幻小说，讲述了一个不知情的人类和他的外星朋友的冒险经历.”第2卷：标题：《了不起的盖茨比》。描述：“一部描写20世纪20年代放纵和堕落的经典美国小说.”当您搜索“science fiction novel”时，Elasticsearch将返回两本书，但Book 1的排名更高，因为它在标题和描述中包含了查询的所有三个词。Book 1的_score将高于Book 2的_score，这表明它是查询的更好匹配。这是一篇关于电子商务搜索相关性的好文章：https://medium.com/quantyca/reviving-an-e-commerce-search-engine-using-elasticsearch-e540751c6d99
1条答案
按热度按时间hpcdzsge1#
这是因为你搜索的领域和你提高分数的策略。
首先，让我们了解一下Elasticsearch评分。
Elasticsearch's _score是一种用于确定搜索结果相关性的排名算法。分数是基于因素组合计算的，包括
term frequency、inverse document frequency和field length normalization。假设您有一个Elasticsearch图书索引，其中包含“title”和“description”字段，您希望搜索与查询“scifficnovel”匹配的图书。
Elasticsearch将搜索索引中每本书的“标题”和“描述”字段，并计算每本书与查询匹配程度的分数。在标题和描述中出现更频繁的单词“科学”、“虚构”和“小说”的书籍的_分数会更高。
例如，假设索引中有两本书：
第1册：标题：“银河系搭车客指南”。描述：“一部喜剧科幻小说，讲述了一个不知情的人类和他的外星朋友的冒险经历.”
第2卷：标题：《了不起的盖茨比》。描述：“一部描写20世纪20年代放纵和堕落的经典美国小说.”
当您搜索“science fiction novel”时，Elasticsearch将返回两本书，但Book 1的排名更高，因为它在标题和描述中包含了查询的所有三个词。Book 1的_score将高于Book 2的_score，这表明它是查询的更好匹配。
这是一篇关于电子商务搜索相关性的好文章：https://medium.com/quantyca/reviving-an-e-commerce-search-engine-using-elasticsearch-e540751c6d99