Elasticsearch语义匹配方案：解决健身计划检索时语义相反结果匹配问题

当前你使用的纯文本匹配策略只会拆分独立词项做命中统计，「Weight Loss」和「Weight Gain」都包含共同词Weight，因此「增重」相关文档会因为匹配到Weight获得较高评分，排名靠前。可通过以下方案解决问题：

• 低成本规则优化方案
  直接通过ES的boosting查询给反向语义词设置负向权重，无需修改索引结构即可快速生效。配置示例如下：

  {
    "query": {
      "boosting": {
        "positive": {
          "match": { "plan_title": "Weight Loss" }
        },
        "negative": {
          "match": { "plan_title": "Gain" }
        },
        "negative_boost": 0.1
      }
    }
  }
  

  该配置会将命中「Gain」的文档评分压缩为原来的0.1倍，自然会排到结果末尾。如果健身领域反义词对固定，可以提前维护反义词词典，查询时自动匹配插入负向规则即可。

• 语义向量检索方案（长期最优解）
  该方案从语义层面匹配内容，从根本上解决反义内容误匹配问题：

  1. 给索引新增dense_vector类型的字段，用于存储计划标题的语义向量
  2. 选用适配通用语义的预训练句向量模型，离线批量将所有存量计划的标题转换为固定维度的向量，存入新增的向量字段中；新增计划时同步生成向量写入
  3. 查询时，先将查询词转换为同维度向量，再通过ES的knn查询做向量相似度匹配，「Weight Loss」和「Weight Gain」语义相反，向量相似度极低，不会被召回或获得高评分
  4. 可将向量检索和原有文本匹配做混合召回，通过自定义评分平衡两者权重，兼顾召回准确率和召回范围

• 自定义词典分词方案
  在ES的分词器中新增健身领域专有词组词典，将「Weight Loss」「Weight Gain」这类固定组合定义为不可拆分的独立词项，分词后不会被拆为单个的Weight、Loss、Gain，查询时只有完全命中整个词组才会获得对应匹配权重，避免单独匹配到共同词Weight拿到过高评分。

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