如何在Elasticsearch查询时向相似度脚本函数传递参数并解决报错

问题分析 #

你碰到的两个报错原因很明确：

1. Variable [field] is not defined：在function_score的script_score上下文里，没办法直接访问field对象——这个对象只有在**脚本化相似度（scripted similarity）**的场景下才可用。
2. param.input is not defined：要么是参数引用拼写错了（得用params.xxx而非param.xxx），要么是参数没正确传递到脚本上下文里。

另外，你给出的示例公式是2*匹配对数/(索引文档对数+查询输入对数)*100，但当前代码的逻辑和这个公式不匹配，得先把逻辑对齐。

正确实现步骤 #

1. 先配置N-Gram分词器（前提条件） #

要计算字符配对的匹配度，首先得把Name字段用N-Gram分词器拆分出字符对（比如bigram），示例索引配置如下：

{
  "mappings": {
    "properties": {
      "Name": {
        "type": "text",
        "analyzer": "ngram_analyzer"
      }
    }
  },
  "settings": {
    "analysis": {
      "analyzer": {
        "ngram_analyzer": {
          "tokenizer": "ngram_tokenizer"
        }
      },
      "tokenizer": {
        "ngram_tokenizer": {
          "type": "ngram",
          "min_gram": 2,
          "max_gram": 2
        }
      }
    }
  }
}

2. 修复脚本化相似度配置 #

如果你想用脚本化相似度来计算得分，需要修正settings的语法错误，同时正确传递参数：

{
  "settings": {
    "similarity": {
      "pair_match_similarity": {
        "type": "scripted",
        "script": {
          "source": "double matchCount = doc.freq; // 匹配的N-Gram数量
          double docPairCount = field.length; // 文档中N-Gram的总数
          double inputPairCount = params.input_pair_count; // 查询输入的N-Gram数量
          return (2 * matchCount / (docPairCount + inputPairCount)) * 100;"
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "Name": {
        "type": "text",
        "analyzer": "ngram_analyzer",
        "similarity": "pair_match_similarity"
      }
    }
  }
}

3. 使用Function Score的正确脚本 #

如果你更倾向于用function_score，需要替换field.sumDocFreq为正确的变量，同时确保参数传递正确：

{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "Name": "santhosh"
        }
      },
      "min_score": 10,
      "functions": [
        {
          "script_score": {
            "script": {
              "params": {
                "input_pair_count": 7 // 查询输入santhosh的bigram数量
              },
              "source": "// 获取当前文档Name字段的分词数（即N-Gram总数）
              int docPairCount = doc['Name'].length;
              // 获取匹配的N-Gram数量
              int matchCount = doc['Name'].freq;
              return (2 * matchCount / (docPairCount + params.input_pair_count)) * 100;"
            }
          }
        }
      ]
    }
  }
}

关键修正点 #

• 变量上下文适配：在function_score里，用doc['字段名'].length获取文档字段的分词总数，用doc['字段名'].freq获取匹配的分词数量；在脚本化相似度里，field对象可用，直接用field.length就能拿到字段分词总数。
• 参数传递规范：确保参数名拼写正确（必须是params.xxx），并且参数值要和查询输入的配对数一致（比如示例中santhosh的bigram数量是7）。
• 公式逻辑对齐：严格按照你需求的公式2*匹配对数/(索引文档对数+查询输入对数)*100编写脚本，保证每个变量对应正确的数值。

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