如何在MongoDB $text搜索中忽略关键词重复并优化排序？

核心思路 #

要解决关键词重复刷分问题，需要放弃默认的textScore（基于词频计算），改用自定义评分逻辑——仅判断关键词是否出现（而非出现次数），同时将_id的时间戳纳入评分，让最新文章获得额外权重。

具体实现步骤 #

1. 保留原text索引（用于高效过滤）

原有的text索引继续保留，用来快速筛选包含目标关键词的文档，避免全表扫描：

db.articles.createIndex(
  { title: "text", content: "text" },
  { weights: { title: 10, content: 1 } }
)

2. 使用聚合管道实现自定义评分与排序

通过聚合管道完成「过滤→计算自定义得分→排序」的流程：

db.articles.aggregate([
  // 第一步：用text索引快速过滤匹配关键词的文档
  { $match: { $text: { $search: "New York" } } },

  // 第二步：计算各维度得分
  {
    $addFields: {
      // 标题匹配得10分（仅判断是否包含，忽略次数）
      titleScore: {
        $cond: {
          if: { $regexMatch: { input: "$title", regex: "New York", options: "i" } },
          then: 10,
          else: 0
        }
      },
      // 内容匹配得1分（仅判断是否包含，忽略次数）
      contentScore: {
        $cond: {
          if: { $regexMatch: { input: "$content", regex: "New York", options: "i" } },
          then: 1,
          else: 0
        }
      },
      // 从_id提取时间戳（转成秒级数值，用于时间权重计算）
      timeScore: { $divide: [ { $toLong: { $toDate: "$_id" } }, 1000000000 ] }
    }
  },

  // 第三步：计算总得分（时间权重系数可根据需求调整）
  {
    $addFields: {
      customScore: {
        $add: [
          "$titleScore",
          "$contentScore",
          { $multiply: [ "$timeScore", 0.01 ] } // 时间系数：避免盖过内容/标题的权重
        ]
      }
    }
  },

  // 第四步：按自定义得分倒序，得分相同则按_id倒序（最新文章在前）
  { $sort: { customScore: -1, _id: -1 } },

  // 可选：清理中间计算字段
  { $project: { titleScore: 0, contentScore: 0, timeScore: 0 } }
])

关键细节说明 #

• 忽略关键词重复：通过$regexMatch仅判断字段是否包含关键词，无论出现多少次都只加固定分数，彻底杜绝刷分行为。
• 时间权重调整：timeScore的系数（示例中为0.01）可根据业务需求调整——如果希望时间因素影响更大，可适当提高系数（如0.1）；反之则调小。
• 性能保障：先用$text过滤文档，再对少量匹配结果执行$regexMatch，避免全表扫描导致的性能问题。

内容的提问来源于stack exchange，提问作者hskris