Elasticsearch：按should子句匹配数量对搜索结果排序

嘿，我懂你想要的效果——让匹配最多搜索词组的结果排在最前面对吧？你的当前查询没达到预期，问题出在嵌套的bool结构上，外层的must包裹着should，这会让Elasticsearch的默认评分逻辑没有按照“匹配数量优先”来计算。

问题分析 #

你现在的查询结构是must里套了一个should，虽然should里的三个match会参与评分，但Elasticsearch的默认评分是基于词频、逆文档频率等相关性因素，而不是单纯统计匹配的词组数量。哪怕一个结果匹配了三个词组，另一个只匹配了一个但单词组的相关性极高，后者可能反而排在前面。

解决方案：用function_score精确统计匹配数量 #

要实现严格按匹配词组数量排序，最好用function_score来给每个匹配的词组加固定分数，然后按总分排序。这样每个匹配的词组都会贡献1分，总分就是匹配的数量，完全符合你的需求。

下面是调整后的查询：

{
  "query": {
    "function_score": {
      "query": {
        "bool": {
          "minimum_should_match": 1,
          "should": [
            {
              "match": {
                "job_description": {
                  "query": "friendly",
                  "operator": "and"
                }
              }
            },
            {
              "match": {
                "job_description": {
                  "query": "honest personality",
                  "operator": "and"
                }
              }
            },
            {
              "match": {
                "job_description": {
                  "query": "excellent communication skills",
                  "operator": "and"
                }
              }
            }
          ]
        }
      },
      "functions": [
        {
          "filter": {
            "match": {
              "job_description": {
                "query": "friendly",
                "operator": "and"
              }
            }
          },
          "weight": 1
        },
        {
          "filter": {
            "match": {
              "job_description": {
                "query": "honest personality",
                "operator": "and"
              }
            }
          },
          "weight": 1
        },
        {
          "filter": {
            "match": {
              "job_description": {
                "query": "excellent communication skills",
                "operator": "and"
              }
            }
          },
          "weight": 1
        }
      ],
      "boost_mode": "sum",
      "score_mode": "sum"
    }
  },
  "sort": [
    { "_score": { "order": "desc" } }
  ]
}

关键说明 #

• functions数组里的每个元素对应一个搜索词组，用filter判断是否匹配，匹配就加weight=1的分数
• boost_mode: sum和score_mode: sum确保所有匹配的权重相加，最终的_score就是匹配的词组数量
• sort按_score降序排列，这样匹配3个词组的结果得分3分排最前，2个的得分2分次之，以此类推

简化版方案（如果接受近似排序） #

如果你不需要绝对严格的数量统计，只是希望匹配更多词组的结果优先，也可以简化查询，去掉外层的must，直接用should并给每个match设置相同的boost，然后按_score排序：

{
  "query": {
    "bool": {
      "minimum_should_match": 1,
      "should": [
        {
          "match": {
            "job_description": {
              "query": "friendly",
              "operator": "and",
              "boost": 1
            }
          }
        },
        {
          "match": {
            "job_description": {
              "query": "honest personality",
              "operator": "and",
              "boost": 1
            }
          }
        },
        {
          "match": {
            "job_description": {
              "query": "excellent communication skills",
              "operator": "and",
              "boost": 1
            }
          }
        }
      ]
    }
  },
  "sort": [
    { "_score": { "order": "desc" } }
  ]
}

不过这个方案的_score会包含相关性因素，可能出现匹配2个词组的结果得分比匹配3个的高的情况（比如其中一个词组的词频特别高），所以如果需要严格按数量排序，还是优先用function_score的方案。

内容的提问来源于stack exchange，提问作者dr.calix