Elasticsearch搜索结果多类目评分排序方法及影响因素咨询

一、Elasticsearch中类目评分的实现方式 #

针对多类目筛选并取Top3的需求，可通过以下几种方式实现类目级别的评分排序：

1. 聚合+自定义脚本评分 #

通过terms聚合按类目分组，结合scripted_metric聚合计算每个类目的综合得分，最后按得分排序取Top3类目。这种方式能灵活组合多种维度的指标计算得分。

示例查询：

{
  "size": 0,
  "query": {
    "match": {
      "title": "鞋子"
    }
  },
  "aggs": {
    "category_ranking": {
      "terms": {
        "field": "category.keyword",
        "size": 3,
        "order": {
          "category_total_score": "desc"
        }
      },
      "aggs": {
        "category_total_score": {
          "scripted_metric": {
            "init_script": "state.total_match_score = 0; state.doc_count = 0; state.total_sales = 0;",
            "map_script": "state.total_match_score += _score; state.doc_count += 1; state.total_sales += doc['sales_count'].value;",
            "combine_script": "return { avg_match_score: state.total_match_score / state.doc_count, doc_count: state.doc_count, sales: state.total_sales };",
            "reduce_script": "double score = 0; for (s in states) { score = (s.doc_count * 0.5) + (s.avg_match_score * 0.3) + (s.sales / 1000 * 0.2); } return score;"
          }
        },
        "top_docs": {
          "top_hits": {
            "size": 5
          }
        }
      }
    }
  }
}

该查询通过脚本将类目匹配文档数、文档平均匹配得分、类目总销量按权重组合成类目得分，最终返回得分最高的3个类目及对应Top文档。

2. 预计算类目权重+函数评分查询 #

提前为每个类目配置业务权重（如男士鞋0.8、女士鞋0.7、运动鞋0.6、儿童鞋0.5），存储为category_weight字段。搜索时用function_score将类目权重与文档自身的BM25得分结合，再通过聚合取Top3类目。

示例函数评分配置：

{
  "query": {
    "function_score": {
      "query": { "match": { "title": "鞋子" } },
      "functions": [
        {
          "field_value_factor": {
            "field": "category_weight",
            "factor": 1.2,
            "modifier": "none"
          }
        }
      ],
      "boost_mode": "multiply"
    }
  }
}

3. 基于语义相似度的类目评分 #

若使用Elasticsearch的向量搜索功能，可预先将类目名称（如“男士鞋”“运动鞋”）转换为向量存储。搜索时计算“鞋子”与每个类目向量的相似度，将相似度作为类目得分的核心依据，再结合业务指标调整排序。

二、评分的核心影响因素 #

类目评分的核心逻辑需平衡搜索相关性与业务价值，主要影响因素包括：

• 类目与搜索词的语义匹配度：通过同义词、上下位词关联（如“运动鞋”属于“鞋子”的子类）、向量相似度计算，衡量类目与搜索词的语义贴合度，匹配度越高得分越高。
• 类目下匹配文档的数量：类目包含的搜索匹配文档越多，说明该类目与搜索词的关联度越强，可赋予更高权重。
• 类目下文档的平均质量得分：取类目下所有匹配文档的BM25/TF-IDF得分平均值，反映类目整体的内容匹配质量。
• 类目业务热度：类目的销量、用户点击量、收藏量等真实行为数据，直接反映用户对该类目的关注度，是业务侧重要的评分依据。
• 人工配置的类目优先级：根据业务策略（如当季热销品类、重点推广类目）手动设置固定权重，优先展示高优先级类目。

内容的提问来源于stack exchange，提问作者Sanaz