如何在ElasticSearch中结合相关性分数与热度字段实现合理排序？

你当前的多级排序逻辑是先严格按_score降序，仅当两条记录_score完全相同时才会比较popularity，这就导致高相关度但热度极低的内容会长期占据前列。要实现两者的综合加权，ElasticSearch有更直接的原生方案，无需复杂的runtime field。

方案1：使用function_score查询（推荐） #

function_score可以在原始相关性分数的基础上，叠加自定义的评分因子（比如热度），最终生成综合的_score，直接按这个综合分数排序即可，是最贴合需求的原生方案。

PHP客户端示例代码 #

$client->search([
    'index' => 'products',
    'body' => [
        'query' => [
            'function_score' => [
                // 保留你原来的匹配查询逻辑
                'query' => [
                    'bool' => [
                        'should' => [
                            [
                                'match' => [
                                    'title' => [
                                        'query' => 'audi a22',
                                        'fuzziness' => '2',
                                        'minimum_should_match' => '1'
                                    ]
                                ]
                            ]
                        ]
                    ]
                ],
                // 加入热度加权因子
                'functions' => [
                    [
                        'field_value_factor' => [
                            'field' => 'popularity',
                            'factor' => 0.1, // 热度的权重比例，按需调整
                            'modifier' => 'log1p' // 用对数弱化超高热度的过度影响，可选
                        ]
                    ]
                ],
                'boost_mode' => 'sum' // 原始_score + 热度计算分，也可选用multiply等模式
            ]
        ],
        // 直接按综合后的_score排序
        'sort' => [
            '_score' => ['order' => 'desc']
        ]
    ]
]);

参数调整说明 #

• factor：控制热度对最终分数的影响权重，比如设为0.1表示热度的贡献是原始相关性的10%，希望热度更重要就调大数值
• modifier：可选，log1p能把线性增长的热度值转换成对数增长，避免极少数超高热度的内容完全掩盖相关性（比如热度从100到1000，log1p后差距从900缩小到2.3）
• boost_mode：指定分数组合方式：
  • sum：原始分数+热度分数（适合希望两者都有贡献）
  • multiply：原始分数×热度分数（适合优先推荐“既相关又热门”的内容）

方案2：使用script_score（更灵活） #

如果需要更复杂的加权逻辑（比如热度超过500加额外分、不同热度区间用不同权重），可以用脚本直接计算综合分数：

PHP客户端示例代码 #

$client->search([
    'index' => 'products',
    'body' => [
        'query' => [
            'function_score' => [
                'query' => [
                    'bool' => [
                        'should' => [
                            [
                                'match' => [
                                    'title' => [
                                        'query' => 'audi a22',
                                        'fuzziness' => '2',
                                        'minimum_should_match' => '1'
                                    ]
                                ]
                            ]
                        ]
                    ]
                ],
                'script_score' => [
                    'script' => [
                        'source' => "_score + (Math.log1p(doc['popularity'].value) * 0.2)"
                        // 自定义逻辑：原始分数 + 热度对数×权重，可自由修改
                    ]
                ]
            ]
        ],
        'sort' => [
            '_score' => ['order' => 'desc']
        ]
    ]
]);

为什么原来的多级排序不符合预期？ #

你之前用的sort: [_score, popularity]是层级排序：

1. 先按_score从高到低全量排序
2. 仅当两条记录的_score完全相等时，才会比较popularity

这种逻辑下，只要一条记录的_score比另一条高哪怕0.0001，不管热度多低都会排在前面，完全达不到“综合考虑相关性和热度”的效果。

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