multi_match多field检索详解
一、相关度分数
计算每个document的（相关度分数）relevance score：每个query的分数，乘以matched query数量，除以总query数量
比如查询语句如下
{
"query": {
"bool": {
"should": [
{ "match": { "title": "java solution" }},
{ "match": { "content": "java solution" }}
]
}
}
}
在查询出的每个文档计算相关度分数流程：
1、针对某个document算出符合每个条件的相关度分数
匹配条件：{ "match": { "title": "java solution" }}，如果匹配上会是有一个分数，匹配不上即分数为0，假定分数表示为F1
匹配条件：{ "match": { "content": "java solution" }}，如果匹配上会是有一个分数，匹配不上即分数为0，假定分数表示F2
2、计算document相关度分数
matched query数量为M，总query数量为T
最终document相关度分数=(F1+F2)*M/T
例：doc1检索都匹配到了should里的两个match query则M为2 T是match query的总数也是2
doc2检索时只匹配了一个match query则M为1，T还是2
二、检索策略
1、best fields策略（默认）
某一个field中匹配到了尽可能多的关键词，被排在前面；而不是尽可能多的field匹配到了少数的关键词，排在了前面。
best fields底层使用dis_max语法，直接取多个query中，分数最高的那一个query的分数即可用上面查询说明，如果F1>F2，则document的相关度分数即为F1
GET /forum/_search
{
"query": {
"dis_max": {
"queries": [
{"match": { "title": "java solution" }},
{ "match": { "content": "java solution" }}
]
}
}
}
注意：
dis_max只取某一个query最大的分数，完全不考虑其他query的分数，此时可以使用tie_breaker将其他query的分数也考虑进去。
除了最高query分数外，将其他query的分数，乘以tie_breaker，然后综合与最高分数的那个query的分数，综合在一起进行计算。所以除了取最高分以外，还会考虑其他的query的分数，tie_breaker的值，在0~1之间
GET /forum/_search
{
"query": {
"dis_max": {
"tie_breaker": 0.7,
"boost": 1.2,
"queries": [
{"match": { "title": "java solution" }},
{ "match": { "content": "java solution" }}
]
}
}
}
上面的写法有点繁琐：es提供了简便写法
GET /forum/_search
{
"query": {
"multi_match": {
"query": "java solution",
"type": "best_fields",
"fields": [ "title", "content" ],
"tie_breaker": 0.3,
"minimum_should_match": "50%"
}
}
}
minimum_should_match：比如你搜索5个关键词，但是很多结果是只匹配1个关键词的，其实跟你想要的结果相差甚远，这些结果就是长尾，minimum_should_match，控制搜索结果的精准度，只有匹配一定数量的关键词的数据，才能返回。
优点：通过best_fields策略，以及综合考虑其他field，还有minimum_should_match支持，可以尽可能精准地将匹配的结果推送到最前面
缺点：除了那些精准匹配的结果，其他差不多大的结果，排序结果不是太均匀，没有什么区分度了
比如：百度之类的搜索引擎，最匹配的到最前面，但是其他的就没什么区分度了
2、most-fields策略
尽可能返回更多field匹配到某个关键词的doc，优先返回回来
综合多个field一起进行搜索，尽可能多地让所有field的query参与到总分数的计算中来，此时就会是个大杂烩，出现类似best_fields案例最开始的那个结果，结果不一定精准，某一个document的一个field包含更多的关键字，但是因为其他document有更多field匹配到了，所以排在了前面；所以需要建立类似sub_title.std这样的field，尽可能让某一个field精准匹配query string，贡献更高的分数，将更精准匹配的数据排到前面。
优点：将尽可能匹配更多field的结果推送到最前面，整个排序结果是比较均匀的
缺点：
（1）可能那些精准匹配的结果，无法推送到最前面
（2）只是找到尽可能多的field匹配的doc，而不是某个field完全匹配的doc
（3）不能用minimum_should_match去掉长尾数据，就是匹配的特别少的结果
比如：wiki，明显的most_fields策略，搜索结果比较均匀，但是的确要翻好几页才能找到最匹配的结果
举例：
POST /forum/_mapping
{
"properties": {
"sub_title": {
"type": "string",
"analyzer": "english",
"fields": {
"std": {
"type": "string",
"analyzer": "standard"
}
}
}
}
}
POST /forum/_bulk
{ "update": { "_id": "1"} }
{ "doc" : {"sub_title" : "learning more courses"} }
{ "update": { "_id": "2"} }
{ "doc" : {"sub_title" : "learned a lot of course"} }
{ "update": { "_id": "3"} }
{ "doc" : {"sub_title" : "we have a lot of fun"} }
{ "update": { "_id": "4"} }
{ "doc" : {"sub_title" : "both of them are good"} }
{ "update": { "_id": "5"} }
{ "doc" : {"sub_title" : "haha, hello world"} }
使用most-fields策略检索
GET /forum/_search
{
"query": {
"multi_match": {
"query": "learning courses",
"type": "most_fields",
"fields": [ "sub_title", "sub_title.std" ]
}
}
}
基于most-fields的检索弊端可以可以使用：copy_to将多个field组合成一个field
比如我们想在author_first_name和author_last_name匹配一个人名的话，
PUT /forum/_mapping/
{
"properties": {
"author_first_name": {
"type": "string",
"copy_to": "new_author_full_name"
},
"author_last_name": {
"type": "string",
"copy_to": "new_author_full_name"
},
"new_author_full_name": {
"type": "string"
}
}
}
因为建了mapping，就可以将多个字段的值拷贝到一个字段中，并建立倒排索引，使用new_author_full_name一个字段使用best fields也可以匹配
3、cross-fields策略
检索的关键字在match中多个fields中出现过，且cross-fields支持 minimum_should_match
GET /forum/_search
{
"query": {
"multi_match": {
"query": "Peter Smith",
"type": "cross_fields",
"operator": "and",
"fields": ["author_first_name", "author_last_name"]
}
}
}