如何为Elasticsearch响应新增字段并获取搜索词与结果的相似度指标

不需要开发自定义插件或者新增REST handler，Elasticsearch原生提供了多种实现方案，可按需选择：

方案1：搜索pipeline（推荐，7.13+版本支持） #

这是对业务侧侵入最小的方案，你可以提前创建一个全局的搜索响应处理流水线，自动为所有指定使用该流水线的查询结果插入归一化的相似度字段，无需修改业务查询逻辑：

1. 创建搜索pipeline，内置响应处理器自动计算0-1区间的相似度值：

PUT _search/pipeline/add_normalized_similarity
{
  "response_processors": [
    {
      "script": {
        "source": """
          def maxScore = ctx.hits.max_score;
          for (hit in ctx.hits.hits) {
            hit.fields.similarity = maxScore != null && maxScore > 0 ? hit._score / maxScore : 0f;
          }
        """
      }
    }
  ]
}

2. 查询时指定使用该pipeline即可自动返回相似度字段：

GET your_index/_search?search_pipeline=add_normalized_similarity
{
  "query": {
    "match": {
      "username": "john"
    }
  }
}

返回的结果每条命中记录的fields.similarity就是你需要的0-1区间的相似度指标。

方案2：runtime fields/script_fields（全版本支持） #

如果你的ES版本低于7.13，可以在查询时通过脚本字段直接计算返回：

GET your_index/_search
{
  "query": {
    "match": {
      "username": "john"
    }
  },
  "script_fields": {
    "similarity": {
      "script": {
        "source": "return _score / params.max_possible_score",
        "params": {
          "max_possible_score": 12.0 // 可替换为你提前测算的该查询场景的最大理论得分
        }
      }
    }
  }
}

如果要做动态归一化，也可以先发起一次查询拿到本次的max_score，再第二次查询带入参数计算即可。

方案3：应用层处理 #

如果不想修改ES侧任何配置，直接在应用层拿到搜索响应后，用返回的max_score对每条结果的_score做归一化计算即可，实现成本最低。
只有当你的相似度计算逻辑非常特殊，原生脚本实现无法满足性能要求时，才需要考虑开发自定义插件，90%以上的常规场景用上述原生方案即可满足需求。

内容的提问来源于stack exchange，提问作者Umut Can Alaçam