ES中similarity参数故事版

similarity

similarity 指定文档的评分模型

similarity	备注
BM25	es 和 lucene 默认的评分模型
classic	TF/IDF 评分
boolean	boolean 模型评分

similarity：数字村的「美食评分大赛」🍽️🏆

想象数字村每年举办一次美食评分大赛，三位风格迥异的评委用不同的标准给菜品打分。这就是Elasticsearch的三种相似度评分模型！

---

故事：三位美食评委的评分哲学

1. BM25评委：现代综合评分师（默认选择）

"recipe_title": {
  "type": "text",
  "similarity": "BM25"  // 默认评委
}

评分特点：

• 🧠 智能平衡：考虑词频，但避免过度重复
• 📏 长度归一：长菜谱不会单纯因词多而高分
• 🔄 饱和机制：一个词出现5次后，额外出现价值递减

实战案例：

// 菜谱A： "红烧肉 红烧肉 红烧肉"（重复3次）
// 菜谱B： "红烧肉 搭配 土豆 胡萝卜"（出现1次）

// BM25评分：
// 菜谱A：8分（重复有加成但饱和）
// 菜谱B：7分（内容丰富均衡）

2. Classic评委：传统严格老师（TF/IDF）

"recipe_old": {
  "type": "text", 
  "similarity": "classic"  // 传统评分
}

评分特点：

• 📊 词频至上：出现次数越多分数越高
• 🚫 无视长度：长菜谱容易得高分
• 📈 线性增长：出现10次就得10倍分数

实战案例：

// 同样搜索"红烧肉"
// 菜谱A： "红烧肉"重复10次 → 10分
// 菜谱B： "红烧肉"出现1次 → 1分
// 结果：菜谱A排名第一（可能内容空洞）

3. Boolean评委：极简主义裁判

"recipe_tags": {
  "type": "text",
  "similarity": "boolean"  // 极简评分
}

评分特点：

• 0️⃣ 非黑即白：要么0分（不存在），要么1分（存在）
• ⚖️ 绝对平等：所有匹配词项价值相同
• 🚀 速度最快：计算简单粗暴

实战案例：

// 搜索"辣 川菜"
// 菜谱A：包含"辣"和"川菜" → 得分：1（存在）
// 菜谱B：只包含"辣" → 得分：1（存在）  
// 结果：A和B并列第一（无法区分质量）

---

评分模型对比表

评分模型	比喻	优点	缺点	适用场景
BM25	米其林评委	智能防作弊	计算稍复杂	通用搜索（默认）
Classic	传统美食家	结果可预测	易被操纵	学术文献检索
Boolean	快餐质检员	速度极快	无法排序	标签过滤

---

实战配置示例

场景1：电商商品搜索（推荐BM25）

PUT ecommerce
{
  "mappings": {
    "properties": {
      "product_name": {
        "type": "text",
        "similarity": "BM25"  // 防关键词堆砌
      }
    }
  }
}

• ✅ 防止"手机手机手机"这种垃圾SEO排名靠前

场景2：法律条文检索（适合Classic）

PUT law_library
{
  "mappings": {
    "properties": {
      "article_content": {
        "type": "text", 
        "similarity": "classic"  // 词频反映重要性
      }
    }
  }
}

• ✅ "宪法"出现次数越多，条文越重要

场景3：商品标签过滤（Boolean最佳）

PUT products
{
  "mappings": {
    "properties": {
      "product_tags": {
        "type": "text",
        "similarity": "boolean"  // 只需判断存在性
      }
    }
  }
}

• ✅ 搜索"促销+新品"标签，不关心出现次数

---

自定义评分模型进阶

调整BM25参数

// 像定制评委的评分表
PUT custom_index
{
  "settings": {
    "similarity": {
      "my_bm25": {
        "type": "BM25",
        "k1": 1.2,     // 词频饱和度
        "b": 0.75      // 长度归一化强度
      }
    }
  },
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "similarity": "my_bm25"  // 使用定制评分
      }
    }
  }
}

参数含义：

• k1值调高：词频影响更大（更像Classic）
• b值调高：长度惩罚更严厉（短文档优势更大）

---

记忆口诀

美食评分三评委：

1. BM25：智能评委
   防作弊 重质量 现代首选
2. Classic：传统评委
   数次数 可预测 经典可靠
3. Boolean：极简评委
   只看有无 不论多少 过滤专用

选择指南：

🟢 日常搜索 → BM25（默认）
🟡 词频重要 → Classic
🔴 只需过滤 → Boolean

记住这个美食大赛的比喻，轻松选出最适合的评分模型！🎯👨🍳