ES相似度分值计算问题

sinat_34993739 2017-11-18 06:02:11

--版本：5.2，有一列使用ik分词
--搜索词：要
--返回结果：
要的成语
要成语
天生要完美演员
...
要！

我的问题是看起来最后一个《要！》是最相似的，为什么得分只有6.3分，而第一个得分10.5分。

费解，求大神帮助

...全文

762 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本文介绍相似度算法检索或相似度分值计算组合应用。展示了相关代码，如 SQL 查询语句。指出入参匹配条件与结果不存在连续子集关系，传统 like 模糊查询无法实现。还提到大数据量时，可增加缩小数据范围的条件，有 gin 索引时传统技术也能实现索引检索。

本文档介绍了如何在Elasticsearch中开发一个自定义插件，用于根据用户和商品的特征向量计算相似度，以实现个性化搜索。插件实现了ScriptEngine接口，通过`FeatureVectorScoreSearchScript`类和`FastVectorDistance`类来计算两个向量的余弦相似度。此外，还展示了如何部署和测试这个插件。

文章指出ChatGPT在解释Elasticsearch的significant_terms聚合函数中涉及的JLHscore、Mutualinformation、Chi-square、GND等相似度算法时出现错误，强调在使用这些技术时应验证信息的准确性，避免对业务造成误解和影响。

本文探讨了Elasticsearch如何通过多种因素计算文档与查询之间的相关度，包括词条频度/倒排文档频度、字段长度归约等，并介绍了如何调整这些因素以优化搜索结果。

本文深入介绍了Elasticsearch作为分布式搜索引擎的基础原理，包括倒排索引、分布式架构以及搜索和读取数据的过程。强调了Lucene作为底层库的重要性，并详细阐述了索引、分词、Trie树、失败指针等概念。同时，讨论了Elasticsearch的分布式架构，如shard、replica、master节点的角色。在数据优化方面，提到了内存缓存、预热、冷热分离和文档模型设计等策略。此外，还分享了实际生产环境中的集群部署情况和分页性能优化的解决方案。

其他数据库

2,209

社区成员

9,519

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章