Elasticsearch如何配置相似度规则优先返回精确短语匹配结果

问题根因 #

你当前的排序异常主要由两个原因导致：

1. 带slop=5的match phrase查询只会判断短语是否满足最大间隔要求，默认不会给零间隔的连续精确匹配额外加权，其他满足slop要求的文档可能因为词频更高、文档长度更短等BM25内置因子获得更高得分。
2. boolean相似度仅判断文档是否匹配查询，完全不区分匹配的接近程度，无法区分连续匹配和间隔5以内匹配的优先级，因此不适用你的场景。

调整方案 #

一、查询侧调整（无需修改索引，最快生效）

核心思路是通过bool查询给连续精确匹配的结果额外加权，直接拉高其排序优先级，示例代码如下：

// 基础查询：保留原有slop=5的规则，保证召回所有符合间隔要求的结果
Query basePhraseQuery = QueryBuilders.matchPhraseQuery("frase", text).slop(5);
// 精确匹配查询：零间隔匹配，加权10倍（权重可根据实际效果调整，值越大精确匹配优先级越高）
Query exactPhraseQuery = QueryBuilders.matchPhraseQuery("frase", text).slop(0).boost(10.0f);
// 组合查询
Query finalQuery = QueryBuilders.boolQuery()
        .must(basePhraseQuery)
        .should(exactPhraseQuery);

searchSourceBuilder.query(finalQuery);

如果需要处理意大利语单复数、时态变形的匹配问题，可以额外在should子句中加入针对词干的匹配加权。

二、索引侧优化（长期使用推荐）

1. 给frase字段配置意大利语分词器，自动处理词形还原、停用词过滤，提升匹配准确率：

{
  "mappings": {
    "properties": {
      "frase": {
        "type": "text",
        "analyzer": "italian",
        "fields": {
          "shingle": {
            "type": "text",
            "analyzer": "shingle_analyzer"
          }
        }
      }
    }
  },
  "settings": {
    "analysis": {
      "analyzer": {
        "shingle_analyzer": {
          "tokenizer": "standard",
          "filter": ["lowercase", "shingle_filter"]
        }
      },
      "filter": {
        "shingle_filter": {
          "type": "shingle",
          "min_shingle_size": 2,
          "max_shingle_size": 3
        }
      }
    },
    "index": {
      "similarity": {
        "default": {
          "type": "BM25",
          "b": 0.3,
          "k1": 1.2
        }
      }
    }
  }
}

2. 调整BM25参数：因为你的文档都是短短语，降低b参数（文档长度归一化权重）可以减少文档长度差异对得分的干扰，提升排序合理性。

三、相似度规则说明

不推荐继续使用boolean相似度，调整后的BM25结合查询加权的方案，既可以保留匹配程度的得分区分，又能满足你精确匹配优先的需求。

内容的提问来源于stack exchange，提问作者Giovanni Montobbio