使用spring-data-elasticsearch检索相似文档时如何获取相似度分数

实现方案可分为以下3步调整： #

1. 自定义结果封装类

内置searchSimilar仅返回实体数据，首先定义DTO同时存储文档内容和相似度分数：

public class SimilarBookDoc {
    // 原文档实体
    private BookInfo bookInfo;
    // ES返回的相似度打分
    private Float similarityScore;

    public SimilarBookDoc(BookInfo bookInfo, Float similarityScore) {
        this.bookInfo = bookInfo;
        this.similarityScore = similarityScore;
    }

    // 按需添加getter、setter
}

2. 替换内置searchSimilar为自定义MLT查询

内置方法没有开放分数获取、阈值过滤的能力，直接通过ElasticsearchOperations构建原生More Like This查询即可：

@Autowired
private BookInfoRepository bookInfoRepository;
@Autowired
private ElasticsearchOperations elasticsearchOperations;

public Page<SimilarBookDoc> findSimilarDocuments(long id, float minScoreThreshold, Pageable pageable) {
    Optional<BookInfo> sourceDocOpt = bookInfoRepository.findById(id);
    if (sourceDocOpt.isEmpty()) {
        return Page.empty(pageable);
    }
    BookInfo sourceDoc = sourceDocOpt.get();
    // 获取实体对应的索引名
    IndexCoordinates index = elasticsearchOperations.getIndexCoordinatesFor(BookInfo.class);

    // 构建原生MLT查询，逻辑和原searchSimilar完全对齐
    Query query = NativeQuery.builder()
            .withQuery(q -> q
                    .moreLikeThis(mlt -> mlt
                            // 指定匹配字段，对应原方法的字段数组
                            .fields("description")
                            // 指定以查询到的源文档作为相似基准
                            .like(like -> like.document(index.getIndexName(), String.valueOf(id)))
                            // 可按需调整MLT的召回规则参数
                            .minTermFreq(1)
                            .minDocFreq(1)
                    )
            )
            .withPageable(pageable)
            // 设置相似度阈值，低于阈值的结果直接过滤不返回
            .withMinScore(minScoreThreshold)
            .build();

    // 执行查询同时获取实体和打分
    SearchHits<BookInfo> searchHits = elasticsearchOperations.search(query, BookInfo.class);
    // 转换为自定义结果格式
    List<SimilarBookDoc> resultList = searchHits.get()
            .map(hit -> new SimilarBookDoc(hit.getContent(), hit.getScore()))
            .toList();
    // 封装为分页对象返回
    return new PageImpl<>(resultList, pageable, searchHits.getTotalHits());
}

3. 按需调整查询参数

如果对召回效果不满意，可调整MLT查询的minShouldMatch、maxQueryTerms、stopWords等参数，适配业务场景。

注意：你已配置的termVector = TermVector.with_positions_offsets已经可以大幅提升MLT查询的性能，不需要额外修改字段映射配置。

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