如何在Elasticsearch中对余弦相似度匹配后含查询词的文档加权？

要实现保留无查询词文档（按向量相似度得分）同时提升含查询词文档得分的需求，核心是把原来的must约束改成可选匹配，再通过多得分机制叠加权重。下面是两种可行的实现方式：

方案一：用function_score拆分得分逻辑 #

这种方式最直观，把向量相似度得分和文本匹配加分拆成两个独立的计算模块，最后求和得到总分：

{
  "query": {
    "function_score": {
      "query": {
        "match_all": {}  // 匹配所有文档，确保无查询词的文档也能被返回
      },
      "functions": [
        // 模块1：计算向量余弦相似度得分（加1把[-1,1]转成[0,2]，避免负分）
        {
          "script_score": {
            "script": {
              "source": "cosineSimilarity(params.query_vector, 'question_vector') + 1.0",
              "params": {"query_vector": query_vector}
            }
          }
        },
        // 模块2：给匹配查询词的文档额外加分
        {
          "filter": {
            "more_like_this": {
              "fields": ["question_text"],
              "like": query_text,
              "min_term_freq": 1,
              "max_query_terms": 12,
              "minimum_should_match": "3<60%"
            }
          },
          "weight": 2.0  // 可根据需求调整加分幅度，比如设为3.0提升更明显
        }
      ],
      "score_mode": "sum"  // 把向量得分和文本匹配加分相加
    }
  },
  "fields": ["question_text"],
  "_source": false
}

逻辑说明： #

1. 基础查询用match_all，确保所有文档都参与计算；
2. 第一个function负责计算向量相似度的基础得分；
3. 第二个function通过filter筛选出含查询词的文档，给它们额外加固定权重；
4. score_mode: sum将两部分得分相加，含查询词的文档总分更高，排名更靠前。

方案二：用bool+script_score叠加得分 #

如果想保留原来的more_like_this逻辑，也可以把它放到bool的should子句里，再在脚本中叠加得分：

{
  "query": {
    "script_score": {
      "query": {
        "bool": {
          "should": [
            {
              "more_like_this": {
                "fields": ["question_text"],
                "like": query_text,
                "min_term_freq": 1,
                "max_query_terms": 12,
                "minimum_should_match": "3<60%",
                "boost": 2.0  // 给匹配的文档预加权重
              }
            }
          ]
          // 无must约束，所有文档都能被返回
        }
      },
      "script": {
        "source": "cosineSimilarity(params.query_vector, 'question_vector') + 1.0 + _score",
        "params": {"query_vector": query_vector}
      }
    }
  },
  "fields": ["question_text"],
  "_source": false
}

逻辑说明： #

1. bool的should子句让more_like_this变成可选匹配，不匹配的文档也能进入结果集；
2. boost参数给匹配的文档预加分；
3. 脚本中把向量得分和_score（即should匹配的得分）相加，最终总分是两者的和。

注意事项 #

• 余弦相似度的原始范围是[-1,1]，加1后转为[0,2]，避免出现负分影响排序；
• 加分幅度（weight或boost的值）可根据实际业务需求调整，数值越大，含查询词的文档排名提升越明显；
• 如果more_like_this的匹配规则太严格，也可以换成match查询（比如"match": {"question_text": query_text}），简化匹配逻辑。

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