1

es 本身不是就有相关度 score 吗

4

@skyemin 返回那个_score 是 0 到正无穷 而且也无法判断是不是完全匹配

5

给你个思路，用向量搜索。
然后你需要一套算法把文本向量化。

6

1

可以试试 bge-m3 ，可以将文本转换为密集向量和稀疏向量（）。
然后密集向量在 es 中存储为 Dense_Vector ，稀疏向量用 Rank_Features 。
最后 KnnQuery + RankFeatureQuery 混合检索，效果很好。

7

@fkdog 向量了解过，需要将文本转向量，挺麻烦的

8

ES 支持的搜索功能非常丰富. 但总的分为 2 类 query 与 filter
query 是类似模糊匹配,也就是会有一个 _score .分值越高,说明匹配度越高.
filter:是严格匹配. 匹配到数据时,得到的 结果只有 yes/no. 所以只要匹配到 一定是符合过滤条件的.
你的需求应该是这样处理:
1. 构造一个查询条件,同时使用 filter 和 query. 对同一个关键词进行查询. 在拿到结果后,再做处理.
2. 分两次查询,先用 filter 查询,如果没有结果再用 query 查询一次.

11

@findlisa 第一次查询 filter 用 term 匹配一下字段.keyword ，然后加上 macth 查询，得到完全匹配的最高得分，第二次查询的时候计算一下就好，如果第一次没有拿到结果，说明没有完全匹配的，用 cosinesimilarity+1/2.x 得到最终相似度，x 的值看着给，反正不会得到 1 的结果就行

12

给你个关键词 gauss decay function ，可以自定义 score

15

我做过一个简陋的，需要对文本分词，然后匹配命中数量，不过需要去掉一些无意义的词

16

@lemon1997 能简单说下思路吗？ 用关键字查询然后取分数最大的那一条做 文本相似度对比，然后拿来做分母吗

17

@akinoowari 大佬，有点疑惑，第一次查询加上 match 的话应该都是会有数据的，如果第一次没数据，第二次应该也查不到数据

19

@akinoowari 那这样我第一次直接用 match 匹配，然后 返回的第一条拿到 highlight 字段后，拿来用 cosinsimilarity 和查询关键字比较，等于 1 就是完全匹配，第二次直接拿 score 做分母，小于 1 就用这个值算出相应的 maxscore= 0.x/_socre

23

你可以用语义搜索然后把分数自己归一化一下

25

@findlisa 是的啊 你百度一下归一化 然后 max 和 0 区间归一化就行 但是语义搜索的话， 可能 1 代表完全匹配这个也可以你自己设定一个阈值 多少分算是 1