ElasticSearch如何结合相关性得分与popularityScore实现混合排序

该方案可以让相关性得分和热度字段同时参与排序规则，你可以通过调整权重参数控制两个维度的优先级，核心逻辑是将ES原生相关性得分_score与popularityScore做规则化计算后生成综合排序得分。
示例DSL如下：

{
  "query": {
    "function_score": {
      "query": {
        "query_string": {
          "query": "Burger",
          "default_field": "*"
        }
      },
      "field_value_factor": {
        "field": "popularityScore",
        "modifier": "log1p", // 可选配置，对热度值做对数变换，避免热度值过高完全覆盖相关性得分
        "factor": 0.1 // 权重系数，数值越大热度维度占比越高，可根据业务需求自行调整
      },
      "boost_mode": "multiply" // 得分合并模式：multiply为相关性得分*处理后的热度值，也可替换为sum/avg等模式
    }
  }
}

配置完成后默认按综合得分降序返回结果，两个维度都会生效。

该方案完全匹配你提到的第二种需求，先过滤掉相关性不达标的文档，再对剩余文档按热度排序。
示例DSL如下：

{
  "min_score": 0.5, // 相关性得分阈值，需要你先执行无排序的查询观察_score分布后，结合业务需求设置
  "query": {
    "query_string": {
      "query": "Burger",
      "default_field": "*"
    }
  },
  "sort": [
    {
      "popularityScore": {
        "order": "desc"
      }
    },
    {
      "_score": {
        "order": "desc"
      }
    }
  ]
}

上述配置会先剔除所有相关性得分低于0.5的文档，剩余文档优先按热度降序排序，热度相同的情况下再按相关性得分降序排序。

• 如果需要更灵活的得分合并规则，可以使用script_score自定义计算公式，支持先对两个字段做归一化处理后再加权计算，避免两个字段数值量级差距过大导致某一维度失效。
• min_score没有通用标准值，必须结合你实际的查询场景、文档规模测试后再确定合理阈值。

内容的提问来源于stack exchange，提问作者gunygoogoo