如何按Token位置自定义Boost值调整Elasticsearch文档评分？

要实现按Token位置设置不同Boost值的需求（比如位置0权重300、位置1权重150、位置2权重75），有两种可行方案，以下是具体实现细节：

方案一：使用脚本得分（无需修改索引结构） #

通过function_score结合Painless脚本，在查询时提取匹配Token的位置并返回对应权重，完全替换默认评分。

1. 基础准备 #

确保字段为text类型（默认分词器已保留Token位置信息），示例索引创建语句：

PUT /test_index
{
  "mappings": {
    "properties": {
      "f": {
        "type": "text"
      }
    }
  }
}

2. 插入测试文档 #

POST /test_index/_doc/1
{
  "f": "orange apple tomato"
}

POST /test_index/_doc/2
{
  "f": "apple orange tomato"
}

3. 自定义权重查询 #

POST /test_index/_search
{
  "query": {
    "function_score": {
      "query": {
        "term": {
          "f": "apple"
        }
      },
      "script_score": {
        "script": {
          "source": """
            def positions = [];
            def termVector = _index.termVectors(_id, ['fields': 'f']);
            if (termVector.f?.terms?.apple != null) {
              positions = termVector.f.terms.apple.positions;
            }
            // 按位置返回对应权重，多匹配时取第一个位置的权重
            for (pos in positions) {
              if (pos == 0) return 300;
              if (pos == 1) return 150;
              if (pos == 2) return 75;
            }
            return 0;
          """
        }
      },
      "boost_mode": "replace"
    }
  }
}

注意事项 #

• 需在elasticsearch.yml中开启term向量的脚本访问权限：script.allowed_contexts: [search, agg, update, ingest, term_vector]
• 多Token重复匹配时，脚本默认取第一个位置的权重，可根据需求修改为求和或取最大值
• 该方案性能略低，适合小数据量或低频率查询场景

方案二：预拆分字段（高性能方案） #

在索引阶段将字段按Token位置拆分为独立子字段（如f_0、f_1、f_2），查询时直接针对子字段设置Boost值，性能更优。

1. 创建Ingest预处理管道 #

用于拆分字段并生成位置子字段：

PUT /_ingest/pipeline/split_field_by_position
{
  "processors": [
    {
      "split": {
        "field": "f",
        "target_field": "f_split",
        "separator": " "
      }
    },
    {
      "set": {
        "field": "f_0",
        "value": "{{f_split.0}}"
      }
    },
    {
      "set": {
        "field": "f_1",
        "value": "{{f_split.1}}"
      }
    },
    {
      "set": {
        "field": "f_2",
        "value": "{{f_split.2}}"
      }
    },
    {
      "remove": {
        "field": "f_split"
      }
    }
  ]
}

2. 插入文档时指定管道 #

POST /test_index/_doc/1?pipeline=split_field_by_position
{
  "f": "orange apple tomato"
}

POST /test_index/_doc/2?pipeline=split_field_by_position
{
  "f": "apple orange tomato"
}

3. 带权重的查询 #

POST /test_index/_search
{
  "query": {
    "bool": {
      "should": [
        {"term": {"f_0": "apple", "boost": 300}},
        {"term": {"f_1": "apple", "boost": 150}},
        {"term": {"f_2": "apple", "boost": 75}}
      ]
    }
  }
}

方案优缺点 #

• 优点：查询性能高，适合大数据量或高频率查询场景
• 缺点：需要额外的索引存储空间，且字段拆分规则需提前确定

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