如何在Elasticsearch中获取More Like This查询分数并用作function score？

你目前的代码是将More Like This（MLT）查询作为function_score的过滤器使用，这只会筛选出匹配MLT条件的文档，但不会计算MLT本身的匹配分数——所有匹配文档都会被赋予统一的weight值，无法体现类似match query的分数差异。

你的疑问是：能否获取MLT查询的原始分数，并将其用作function score的一部分？

当然可以。要实现这一点，你需要将MLT查询作为分数函数的查询来源，而非过滤器，这样就能保留MLT的原始匹配分数，再结合加权或其他逻辑生成最终分数。

修改后的Java代码示例：

static FunctionScore mltFunctionScoreWithOriginalScore(String text, Double weight, List<String> fields) {
    // 构建More Like This查询
    MoreLikeThisQuery mltQuery = new MoreLikeThisQuery.Builder()
            .fields(fields)
            .like(new Like.Builder().text(text).build())
            .build();
    
    // 将MLT查询包装为分数函数，获取其原始匹配分数并加权
    ScoreFunction mltScoreFunction = ScoreFunction.of(f -> f
            .query(q -> q.moreLikeThis(mltQuery))
            .weight(weight)
    );
    
    return new FunctionScore.Builder()
            .functions(mltScoreFunction)
            .scoreMode(ScoreMode.SUM) // 分数合并模式，按需选择SUM/MULTIPLY等
            .build();
}

关键点说明： #

• 不再使用.filter()，而是通过ScoreFunction.query()将MLT查询作为分数来源，这样Elasticsearch会计算MLT的原始匹配分数（逻辑和match query一致，基于词频、逆文档频率等指标）。
• weight参数会对MLT的原始分数进行加权，比如设置为1.5，最终分数就是MLT原始分数 × 1.5。
• scoreMode用于指定多个分数函数的结果合并方式，如果只有这一个函数，SUM或MULTIPLY的效果一致；若有其他函数，可以根据需求选择合适的模式。

内容的提问来源于stack exchange，提问作者vane