在我之前的文章 “Elasticsearch：使用 function_score 及 script_score 定制搜索结果的分数” 我有讲到 Decay 函数在搜索中的使用。在那里，我有一个例子讲述在规定的时间里，分数不进行衰减。同一的函数也可以适用于地理位置的搜索。位置搜索的范围在规定范围里可以不进行衰减，超过这个范围就会按照衰减函数进行衰减。
想象一下，你需要根据用户位置的接近程度对结果进行排序。完成此任务的方法之一是使用定位和衰减函数。 衰减函数可用于根据比例调整文档的相关性分数。
在我们的示例中，我们将注册一些餐厅，并从用户的位置返回最近的餐厅。
让我们创建我们的地图，现在我们将使用 geo_point 类型，因为我们将使用纬度和经度。
-
PUT restaurants
-
{
-
"mappings": {
-
"properties": {
-
"title": {
-
"type":
"text"
-
},
-
"location": {
-
"type":
"geo_point"
-
}
-
}
-
}
-
}
现在让我们插入一些文档：
-
POST restaurants
/_bulk
-
{
"index":{}}
-
{
"title":
"McDonald's 1000",
"location":{
"lat" : -
23.525920 ,
"lon" : -
46.650211}}
-
{
"index":{}}
-
{
"title":
"McDonald's Caneca",
"location":{
"lat" : -
23.553720 ,
"lon" : -
46.652940}}
-
{
"index":{}}
-
{
"title":
"McDonald's Paulista",
"location":{
"lat" : -
23.565920 ,
"lon" : -
46.650210}}
-
{
"index":{}}
-
{
"title":
"McDonald's - Shopping Pátio Higienópolis",
"location":{
"lat" : -
23.582460 ,
"lon" : -
46.688560}}
上面的命令将创建 4 个位置文档。假如我们想在位置 [-23.542719, -46.653965] 进行搜索。它们的相对位置关系如下：
在我们的查询中，我们将使用 Function score query | Elasticsearch Guide [8.6] | Elastic 和 Gaussian 函数，我们希望距离半径 500 米的人获得最大得分（origin - offset <= value <= origin + offset）和 200m (scale) 分数将开始下降。根据 Gaussian function的曲线分布，超过一定的范围衰减非常之快，以至于很快到 0。
在第一个测试中，我们将使用原点 -23.561581、-46.659540。 此搜索的结果将是最接近的（请注意分数如何随着离原点越远而降低）：
-
GET restaurants
/_
search?filter_path
=
**.hits
-
{
-
"query": {
-
"function_score": {
-
"query": {
-
"match": {
-
"title": {
-
"query":
"McDonald's"
-
}
-
}
-
},
-
"functions": [
-
{
-
"gauss": {
-
"location": {
-
"origin": {
-
"lat": -
23.542719,
-
"lon": -
46.653965
-
},
-
"offset":
"500m",
-
"scale":
"200m",
-
"decay":
"0.5"
-
}
-
},
-
"weight":
10
-
}
-
],
-
"boost_mode":
"replace"
-
}
-
}
-
}
参数说明：
| 项目 | 说明 |
|---|---|
| origin | 用于计算距离的原点。 必须以数字字段的数字、日期字段的日期和地理字段的地理点的形式给出。 地理和数字字段必填。 对于日期字段，默认值为现在。 origin 支持日期数学（例如 now-1h）。 |
| scale | 所有类型都需要。 定义距离原点的距离 + 偏移量，在该距离处计算的分数将等于衰减参数。 对于地理字段：可以定义为数字+单位（1km，12m，...）。 默认单位是米。 对于日期字段：可以定义为数字+单位（“1h”、“10d”、… ）。 默认单位是毫秒。 对于数字字段：任何数字。 |
| offset | 如果定义了偏移量，衰减函数将只计算距离大于定义的偏移量的文档的衰减函数。 默认值为 0。 |
| decay | decay 参数定义了如何在按比例给定的距离对文档进行评分。 如果没有定义衰减，则距离 scale 的文档将得分为 0.5。 |
上述查询在离 origin 开始的 200m + 500m 开始进行衰减。它的衰减因子为 0.5。在这个以 200m + 500m 为圆半径的文档得分值将保持不变。
运行上面查询的结果为：
-
{
-
"hits": {
-
"hits": [
-
{
-
"_index":
"restaurants",
-
"_id":
"QxqBNYYB2XodIZsbBsV5",
-
"_score":
0.0010342363,
-
"_source": {
-
"title":
"McDonald's Caneca",
-
"location": {
-
"lat": -
23.55372,
-
"lon": -
46.65294
-
}
-
}
-
},
-
{
-
"_index":
"restaurants",
-
"_id":
"QhqBNYYB2XodIZsbBsV5",
-
"_score":
1.2783469e-
14,
-
"_source": {
-
"title":
"McDonald's 1000",
-
"location": {
-
"lat": -
23.52592,
-
"lon": -
46.650211
-
}
-
}
-
},
-
{
-
"_index":
"restaurants",
-
"_id":
"RBqBNYYB2XodIZsbBsV5",
-
"_score":
3.5952473e-
33,
-
"_source": {
-
"title":
"McDonald's Paulista",
-
"location": {
-
"lat": -
23.56592,
-
"lon": -
46.65021
-
}
-
}
-
},
-
{
-
"_index":
"restaurants",
-
"_id":
"RRqBNYYB2XodIZsbBsV5",
-
"_score":
0,
-
"_source": {
-
"title":
"McDonald's - Shopping Pátio Higienópolis",
-
"location": {
-
"lat": -
23.58246,
-
"lon": -
46.68856
-
}
-
}
-
}
-
]
-
}
-
}
正像我们看到的那样，搜索的结果是我们所期望的。从返回的分数来看在范围里的文档的分数不受影响，但是一旦超出范围，搜索到的文档的分数会被加权并得到衰减。
我们再次修改 origin 的位置到 -23.542719, -46.653965。它们的相对关系显示如下：
我们再次进行搜索：
-
GET restaurants
/_
search?filter_path
=
**.hits
-
{
-
"query": {
-
"function_score": {
-
"query": {
-
"match": {
-
"title": {
-
"query":
"McDonald's"
-
}
-
}
-
},
-
"functions": [
-
{
-
"gauss": {
-
"location": {
-
"origin": {
-
"lat": -
23.542719,
-
"lon": -
46.653965
-
},
-
"offset":
"500m",
-
"scale":
"200m",
-
"decay":
"0.5"
-
}
-
},
-
"weight":
10
-
}
-
],
-
"boost_mode":
"replace"
-
}
-
}
-
}
我们可以看到如下的结果：
-
{
-
"hits": {
-
"hits": [
-
{
-
"_index":
"restaurants",
-
"_id":
"QxqBNYYB2XodIZsbBsV5",
-
"_score":
0.0010342363,
-
"_source": {
-
"title":
"McDonald's Caneca",
-
"location": {
-
"lat": -
23.55372,
-
"lon": -
46.65294
-
}
-
}
-
},
-
{
-
"_index":
"restaurants",
-
"_id":
"QhqBNYYB2XodIZsbBsV5",
-
"_score":
1.2783469e-
14,
-
"_source": {
-
"title":
"McDonald's 1000",
-
"location": {
-
"lat": -
23.52592,
-
"lon": -
46.650211
-
}
-
}
-
},
-
{
-
"_index":
"restaurants",
-
"_id":
"RBqBNYYB2XodIZsbBsV5",
-
"_score":
3.5952473e-
33,
-
"_source": {
-
"title":
"McDonald's Paulista",
-
"location": {
-
"lat": -
23.56592,
-
"lon": -
46.65021
-
}
-
}
-
},
-
{
-
"_index":
"restaurants",
-
"_id":
"RRqBNYYB2XodIZsbBsV5",
-
"_score":
0,
-
"_source": {
-
"title":
"McDonald's - Shopping Pátio Higienópolis",
-
"location": {
-
"lat": -
23.58246,
-
"lon": -
46.68856
-
}
-
}
-
}
-
]
-
}
-
}
这是介绍衰减函数的方法之一，我希望它有用。
转载：https://blog.csdn.net/UbuntuTouch/article/details/128955263