ElasticSearch - function

function_score 內容較多，此篇主要是介紹 function_score 的基本概念

具體實例請參考以下連接

ElasticSearch - function_score（field_value_factor 具體實例）

ElasticSearch - function_score（weight 具體實例）

ElasticSearch - function_score（random_score 具體實例）

ElasticSearch - function_score（衰減函數 linear、exp、gauss 具體實例）

在使用 ES 進行全文搜索時，搜索結果默認會以文檔的相關度進行排序，而這個 “文檔的相關度”，是可以透過 function_score 自己定義的，也就是說我們可以透過使用 function_score，來控制 “怎麼樣的文檔相關度更高” 這件事
- function_score 是專門用於處理文檔 _score 的 DSL，它允許爲每個主查詢 query 匹配的文檔應用加強函數，以達到改變原始查詢評分 score 的目的
- function_score 會在主查詢 query 結束後對每一個匹配的文檔進行一系列的重打分操作，能夠對多個字段一起進行綜合評估，且能夠使用 filter 將結果劃分爲多個子集（每個特性一個filter），並爲每個子集使用不同的加強函數
function_score 提供了幾種加強 _score 計算的函數
- weight : 設置一個簡單而不被規範化的權重提升值
  - weight 加強函數和 boost 參數類似，可以用於任何查詢，不過有一點差別是 weight 不會被 Lucene normalize 成難以理解的浮點數，而是直接被應用（boost 會被 normalize）
  - 例如當 weight 爲 2 時，最終結果爲 new_score = old_score * 2
- field_value_factor : 將某個字段的值乘上 old_score
  - 像是將字段 shareCount 或是字段 likeCount 作爲考慮因素，new_score = old_score * 那個文檔的 likeCount 的值
- random_score : 爲每個用戶都使用一個不同的隨機評分對結果排序，但對某一具體用戶來說，看到的順序始終是一致的
- 衰減函數 (linear、exp、guass) : 以某個字段的值為基準，距離某個值越近得分越高
- script_score : 當需求超出以上範圍時，可以用自定義腳本完全控制評分計算，不過因為還要額外維護腳本不好維護，因此盡量使用 ES 提供的評分函數，需求真的無法滿足再使用 script_score
function_scroe其他輔助的參數
- boost_mode : 決定 old_score 和加強score 如何合併
  - multiply（默認） : new_score = old_score * 加強score
  - sum : new_score = old_score + 加強score
  - min : old_score 和加強 score 取較小值，new_score = min(old_score, 加強score)
  - max : old_score 和加強 score 取較大值，new_score = max(old_score, 加強score)
  - replace : 加強 score 直接替換掉 old_score，new_score = 加強score
- score_mode : 決定 functions 裡面的加強 score 們怎麼合併，會先合併加強 score 們成一個總加強 score，再使用總加強 score 去和 old_score 做合併，換言之就是會先執行 score_mode，再執行 boost_mode
  - multiply（默認）
  - sum
  - avg
  - first : 使用首個函數（可以有filter，也可以沒有）的結果作為最終結果
  - max
  - min
- max_boost : 限制加強函數的最大效果，就是限制加強 score 最大能多少，但要注意不會限制 old_score
  - 如果加強 score 超過了 max_boost 限制的值，會把加強 score 的值設成 max_boost 的值
  - 假設加強 score 是5，而 max_boost 是2，因為加強 score 超出了 max_boost 的限制，所以 max_boost 就會把加強 score 改為2
  - 簡單的說，就是 加強score = min(加強score, max_boost)

function_score 查詢模板

如果要使用 function_score 改變分數，要使用 function_score 查詢
簡單的說，就是在一個 function_score 內部的 query 的全文搜索得到的 _score 基礎上，給他加上其他字段的評分標準，就能夠得到把 “全文搜索 + 其他字段” 綜合起來評分的效果

單個加強函數的查詢模板

GET mytest/doc/_search
{
    "query": {
        "function_score": {
            //主查詢，查詢完後這裡自己會有一個評分，就是 old_score
            "query": {.....}, 

            //在 old_score 的基礎上，給他加強其他字段的評分
            //這裡會產生一個加強 score，如果只有一個加強 function 時，直接將加強函數名寫在 query 下面就可以了
            "field_value_factor": {...}, 

            //指定用哪種方式結合 old_score 和加強 score 成為 new_score
            "boost_mode": "multiply", 

            //限制加強 score 的最高分，但是不會限制 old_score
            "max_boost": 1.5 
        }
    }
}

多個加強函數的查詢模板
- 如果有多個加強函數，那就要使用functions來包含這些加強函數們，functions是一個數組，裡面放著的是將要被使用的加強函數列表
- 可以為functions裡的加強函數指定一個filter，這樣做的話，只有在文檔滿足此filter的要求，此filter的加強函數才會應用到文擋上，也可以不指定filter，這樣的話此加強函數就會應用到全部的文擋上
- 一個文檔可以一次滿足多條加強函數和多個filter，如果一次滿足多個，那麼就會產生多個加強score，因此ES會使用score_mode定義的方式來合併這些加強score們，得到一個總加強score，得到總加強score之後，才會再使用boost_mode定義的方式去和old_score做合併
- 像是下面的例子，field_value_factor和gauss這兩個加強函數會應用到所有文檔上，而weight只會應用到滿足filter的文檔上，假設有個文檔滿足了filter的條件，那他就會得到3個加強score，這3個加強score會使用sum的方式合併成一個總加強score，然後才和old_score使用multiply的方式合併
```
GET mytest/doc/_search
{
    "query": {
        "function_score": {
            //主查詢，查詢完後這裡自己會有一個評分，就是 old_score
            "query": {.....},

            //可以有多個加強函數（或是 filter + 加強函數）
            //每一個加強函數會產生一個加強 score，因此 functions 會有多個加強 score
            "functions": [   
                { "field_value_factor": ... },
                { "gauss": ... },
                { "filter": {...}, "weight": ... }
            ],

            //決定加強 score 們怎麼合併成一個總加強 score
            "score_mode": "sum",

            //決定總加強 score 怎麼和 old_score 合併
            "boost_mode": "multiply" 
        }
    }
}
```

不要執著在調整 function_score 上
- 文檔相關度的調整非常玄，“最相關的文檔” 是一個難以觸及的模糊概念，每個人對文檔排序有著不同的想法，這很容易使人陷入持續反覆調整，但是確沒有明顯的進展
- 為了避免跳入這種死循環，在調整 function_score 時，一定要搭配監控用戶操作，才有意義
  - 像是如果返回的文檔是用戶想要的高相關的文檔，那麼用戶就會選擇前 10 個中的一個文檔，得到想要的結果，反之，用戶可能會來回點擊，或是嘗試新的搜索條件
  - 一旦有了這些監控手段，想要調適完美的 function_score 就不是問題
- 因此調整 function_score 的重點在於，要透過監控用戶、和用戶互動，慢慢去調整我們的搜索條件，而不要妄想一步登天，第一次就把文檔的相關度調整到最好，這幾乎是不可能的，因為，連用戶自己也不知道他自己想要什麼

ElasticSearch - function_score 簡介