Elasticsearch：如何用查询或聚合判定报销申请的状态及置信度？

核心思路 #

通过检索同品类下语义相似的历史报销记录，统计不同审核状态的加权占比，来判定新申请的合格性并计算置信度——越相似的历史记录权重越高，结果更精准。

步骤1：确认索引映射（可选但推荐） #

确保description字段为text类型（支持分词和相似性匹配），category和status为keyword类型（支持精确过滤和聚合）。如果已有索引，可通过以下命令查看映射：

GET claim/_mapping

步骤2：相似性查询+状态聚合 #

使用以下Elasticsearch查询，获取新申请（category: office_equipment，description: wooden desk）的相似历史记录，并聚合不同状态的加权评分总和：

POST claim/_search
{
  "size": 10, // 取Top10最相似的历史记录，平衡精度和性能
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "description": "wooden desk" // 匹配描述的语义相似性
          }
        }
      ],
      "filter": [
        {
          "term": {
            "category": "office_equipment" // 限定同一品类
          }
        }
      ]
    }
  },
  "aggs": {
    "status_summary": {
      "terms": {
        "field": "status.keyword",
        "size": 2
      },
      "aggs": {
        "total_relevance_score": {
          "sum": {
            "script": "_score" // 聚合该状态下所有匹配文档的相关性评分总和
          }
        }
      }
    }
  }
}

如果需要更精准的语义相似匹配，也可以用more_like_this查询替代match：

"must": [
  {
    "more_like_this": {
      "fields": ["description"],
      "like": "wooden desk",
      "min_term_freq": 1,
      "max_query_terms": 12
    }
  }
]

步骤3：计算结果与置信度 #

根据查询返回的聚合结果，按以下逻辑计算最终状态和置信度：

1. 无匹配历史记录：返回

   status: "pending"
   confidence: 0
   

   直接进入人工处理。
2. 有匹配记录：
   • 提取聚合结果中approved和rejected的加权评分总和（total_relevance_score），记为score_approved和score_rejected
   • 总加权分：total_score = score_approved + score_rejected
   • 若score_approved > score_rejected：

     status: "approved"
     confidence: score_approved / total_score
     

   • 若score_rejected > score_approved：

     status: "rejected"
     confidence: score_rejected / total_score
     

   • 若两者相等（概率极低）：返回置信度0，进入人工处理。

示例结果（针对你的新申请） #

现有历史数据中，wooden desk与stand up desk语义高度相似，查询会优先匹配到这条approved记录，同时其他office_equipment类的approved记录也会有一定匹配度，ps4几乎不会被匹配到。最终计算结果大致为：

status: "approved"
confidence: 0.92

人工处理触发规则 #

当置信度低于设定阈值（比如<0.6）时，无论状态如何，都强制进入人工审核。

内容的提问来源于stack exchange，提问作者bigpotato