Elasticsearch：如何在查询阶段修改similarity？

当然有可行的办法啦！虽然Elasticsearch里字段的默认相似度（similarity）规则是在mapping里定义的，但我们完全可以在查询阶段动态调整评分计算逻辑，实现切换similarity的效果。下面给你分享几个实用的方案：

1. 用function_score自定义评分逻辑（最灵活） #

这是最常用的方式，你可以通过script_score编写自定义脚本，完全复刻甚至修改不同similarity的计算逻辑——比如自定义TF-IDF、调整BM25的参数，或者加入业务相关的权重规则。

举个模拟自定义TF-IDF评分的例子：

{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "content": "elasticsearch"
        }
      },
      "script_score": {
        "script": {
          "source": "// 自定义TF-IDF计算逻辑
          double tf = doc['content'].tf();
          double idf = Math.log((params.totalDocs + 1) / (doc['content'].df() + 1)) + 1;
          return tf * idf;",
          "params": {
            "totalDocs": 10000 // 替换成你的索引实际总文档数
          }
        }
      }
    }
  }
}

你也可以直接在脚本里调整BM25的k1、b参数，实现和默认BM25不同的评分效果。

2. 预先定义similarity，查询时直接指定 #

如果你只是想切换到另一种预先配置好的similarity（比如不同参数的BM25、自定义similarity），可以先在索引的settings里定义这个规则，然后在查询时直接指定使用它。

首先在索引settings中创建自定义similarity：

PUT /my_index/_settings
{
  "index": {
    "similarity": {
      "my_custom_bm25": {
        "type": "BM25",
        "b": 0.5, // 调整字段长度归一化参数
        "k1": 1.5 // 调整词频饱和参数
      }
    }
  }
}

之后在match查询里指定使用这个自定义similarity：

{
  "query": {
    "match": {
      "content": {
        "query": "elasticsearch",
        "similarity": "my_custom_bm25"
      }
    }
  }
}

这种方式适合你有几种固定的similarity规则需要切换的场景，不需要写复杂脚本。

3. 用rescore对顶部结果重算评分 #

如果只需要对查询返回的前N条结果调整评分（比如优化搜索结果的顶部排序），可以用rescore查询。它会先执行初始查询获取一批结果，然后对这些结果重新计算评分，适合精细化优化场景。

示例：

{
  "query": {
    "match": {
      "content": "elasticsearch"
    }
  },
  "rescore": {
    "window_size": 50, // 只对前50条结果重算评分
    "query": {
      "rescore_query": {
        "function_score": {
          "script_score": {
            "script": {
              "source": "// 这里写重算评分的逻辑，比如加入用户行为权重"
            }
          }
        }
      }
    }
  }
}

总的来说：如果需要完全自定义评分逻辑，选function_score；如果是切换预设的similarity规则，用查询的similarity参数；如果只优化顶部结果，用rescore就够了。

内容的提问来源于stack exchange，提问作者z f