1. 提升字段查询得分：
将title字段查询比重提升10倍：
GET /movies/_search
{
"explain": true,
"query":{
"multi_match":{
"query": "good hearts sea",
"fields": ["title^10", "overview"]
}
}
}
得分系数提升了10倍：
2. 综合提升字段查询得分：
使用tie_breaker将其他query的分数也考虑进去
GET /movies/_search
{
"query":{
"multi_match":{
"query": "good hearts sea",
"fields": ["title", "overview"],
"tie_breaker": 0.3
}
}
}
使用 tie_breaker 和不使用查询出来的某一条数据的 _score 分数，会有相应的提高，例如：
> title 中包含关键词matched query 的得分，假设是 1.6
>
> overview中包含关键词matched query的得分，假设是 1.8
添加了 tie_breaker = 0.3，那么就是这样的了， 1.6 * 0.3 + 1.8 = 2.28；
大于最高一条的得分1.8，这样搜索的关联性就提升上去了， 更为合理。
二、多条件查询与过滤1. 多条件查询：
GET /movie/_search
{
"query":{
"bool":{
"filter":[
{"term":{"title":"heart"}},
{"term":{"cast.name":"joseph"}},
{"range": { "release_date": { "lte": "2016/01/01" }}},
{"range": { "popularity": { "gte": "25" }}}
]
}
}
}
2. 增加排序处理：
GET /movie/_search
{
"query":{
"bool":{
"filter":[
{"term":{"title":"heart"}},
{"range": { "release_date": { "lte": "2017/01/01" }}},
{"range": { "popularity": { "gte": "10" }}}
]
}
},
"sort":[
{"release_date":{"order":"desc"}}
]
}
根据release_date进行倒序排列。
三、查全率与查准率1. 什么是查全率：
索引内符合条件的结果有N个，查询出来的符合条件的结果有X个， 则查全率为： X/N
比如： 用户的关键词为笔记本（笔记本包含写字的笔记本以及电脑笔记本， 在索引中， 这些记录为1000条，即N），查询出来的结果如果是100条，即X（包含写字的笔记本以及电脑笔记本）， 则查全率为10%。
2. 什么是查准率：
查询出来的X个文档中， 有M个是正确的， 则查准率为：M/X
比如： 用户的关键词为笔记本， 这些记录为1000条，查询出来的结果如果是100条， 而在这100条（X）当中只有20条(M)为用户期望的电脑笔记本， 则查准率为20%。
3. 自定义调整评分：
通过function_score实现自定义评分：
GET /movies/_search
{
"explain": true,
"query":{
"function_score": {
"query": {
"multi_match":{
"query": "good hearts sea",
"fields": ["title", "overview"]
}
},
"functions": [
{"field_value_factor": {
"field": "popularity",
"modifier": "log2p",
"factor": 20
}}
]
}
}
}
通过function_score将popularity评分调整， 采用log对数函数， 将系数放大20， 通过explain查看具体得分。
value得分为3.00
再乘以12.261267， 得出最终得分结果为36.875378。
