如何基于词元出现顺序对Elasticsearch文档进行评分？

问题场景 #

假设Elasticsearch里有这三个文档：

{
  "name": "Amalayse, Urine"
}, 
{
  "name": "Urine Amalayse"
},
{
  "name": "Complete Test For Urine"
}

搜索关键词Urin时，希望第二个文档（Urine Amalayse）因为目标词元出现位置最早而排第一。之前试过phrase_prefix查询，但它不检查词元顺序，请问怎么实现按词元出现早晚排序的需求？

解决方法 #

1. 先搞定字段的存储配置 #

要获取词元的位置信息，首先得让name字段存储词元的位置偏移量。如果是新建索引，映射可以这么设置：

PUT /test_index
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "term_vector": "with_positions_offsets"
      }
    }
  }
}

要是已经有索引了，就得重建索引重新导数据——因为已存在的字段没法修改term_vector配置。

2. 用function_score结合脚本评分实现排序 #

通过function_score查询，配合自定义脚本获取匹配词元的最小位置，让位置越靠前的文档评分越高。示例查询如下：

POST /test_index/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "name": "Urin"
        }
      },
      "functions": [
        {
          "script_score": {
            "script": {
              "source": """
                int minPos = Integer.MAX_VALUE;
                for (pos in doc['name'].getTermVector().positions) {
                  // 注意默认分词器会把文本转小写，所以这里匹配小写前缀
                  if (pos.term.text().startsWith('urin')) {
                    if (pos.startOffset < minPos) {
                      minPos = pos.startOffset;
                    }
                  }
                }
                // 位置越小，分数越高，确保靠前的文档排名优先
                return 1000 - minPos;
              """
            }
          }
        }
      ],
      "boost_mode": "sum" // 把原始查询的分数和脚本计算的分数加起来
    }
  }
}

关键说明 #

• 脚本里会遍历name字段的所有词元位置，找到以urin开头的词元（要和分词器的处理结果一致，比如默认转小写就匹配小写），记录最小的起始位置。
• 用1000 - minPos来计算额外评分，位置越小（越靠前），这个分数就越高，这样第二个文档里的Urine在第一个位置，就能拿到最高的综合评分。
• 如果你的分词器没有转小写的逻辑，记得调整脚本里的匹配字符串，保持和分词结果一致。

也可以把基础查询换成match_phrase_prefix，再结合这个脚本评分，结果会更贴合你的需求，但核心逻辑都是通过脚本获取词元位置来调整排序权重。

内容的提问来源于stack exchange，提问作者GAME_CHANGER