外贸公司的网站怎么做,福州网站制作工具,刚做的网站为什么百度搜不到,做淘宝需要知道什么网站吗在我之前的文章 “Elasticsearch#xff1a;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#xff0c;我有一个例子讲述在规定的时间里#xff0c;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…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:McDonalds 1000,location:{lat : -23.525920 ,lon : -46.650211}}
{index:{}}
{title:McDonalds Caneca,location:{lat : -23.553720 ,lon : -46.652940}}
{index:{}}
{title:McDonalds Paulista,location:{lat : -23.565920 ,lon : -46.650210}}
{index:{}}
{title:McDonalds - 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: McDonalds}}},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1km12m...。 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。decaydecay 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: McDonalds Caneca,location: {lat: -23.55372,lon: -46.65294}}},{_index: restaurants,_id: QhqBNYYB2XodIZsbBsV5,_score: 1.2783469e-14,_source: {title: McDonalds 1000,location: {lat: -23.52592,lon: -46.650211}}},{_index: restaurants,_id: RBqBNYYB2XodIZsbBsV5,_score: 3.5952473e-33,_source: {title: McDonalds Paulista,location: {lat: -23.56592,lon: -46.65021}}},{_index: restaurants,_id: RRqBNYYB2XodIZsbBsV5,_score: 0,_source: {title: McDonalds - 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: McDonalds}}},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: McDonalds Caneca,location: {lat: -23.55372,lon: -46.65294}}},{_index: restaurants,_id: QhqBNYYB2XodIZsbBsV5,_score: 1.2783469e-14,_source: {title: McDonalds 1000,location: {lat: -23.52592,lon: -46.650211}}},{_index: restaurants,_id: RBqBNYYB2XodIZsbBsV5,_score: 3.5952473e-33,_source: {title: McDonalds Paulista,location: {lat: -23.56592,lon: -46.65021}}},{_index: restaurants,_id: RRqBNYYB2XodIZsbBsV5,_score: 0,_source: {title: McDonalds - 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。
