这是一个创建于 226 天前的主题，其中的信息可能已经有所发展或是发生改变。
大概需求就是根据输入关键字，查询到数据后 返回相似度 区间在 0-1 区间。1 表示完全匹配，不太匹配的就降相似度
25 条回复 • 2024-06-06 20:48:53 +08:00
 |
1
skyemin 226 天前
es 本身不是就有相关度 score 吗
|
 |
2
soundlife 226 天前
100 块，谢谢
|
 |
5
fkdog 226 天前
给你个思路，用向量搜索。
然后你需要一套算法把文本向量化。 |
 |
6
tarasha 226 天前  1
可以试试 bge-m3 ，可以将文本转换为密集向量和稀疏向量（）。
然后密集向量在 es 中存储为 Dense_Vector ，稀疏向量用 Rank_Features 。 最后 KnnQuery + RankFeatureQuery 混合检索，效果很好。 |
 |
8
ming159 226 天前
ES 支持的搜索功能非常丰富. 但总的分为 2 类 query 与 filter
query 是类似模糊匹配,也就是会有一个 _score .分值越高,说明匹配度越高. filter:是严格匹配. 匹配到数据时,得到的 结果只有 yes/no. 所以只要匹配到 一定是符合过滤条件的. 你的需求应该是这样处理: 1. 构造一个查询条件,同时使用 filter 和 query. 对同一个关键词进行查询. 在拿到结果后,再做处理. 2. 分两次查询,先用 filter 查询,如果没有结果再用 query 查询一次. |
 |
10
codegenerator 226 天前
出价多少？
视价格资深架构师可以应战 |
 |
11
akinoowari 226 天前
@findlisa 第一次查询 filter 用 term 匹配一下字段.keyword ，然后加上 macth 查询，得到完全匹配的最高得分，第二次查询的时候计算一下就好，如果第一次没有拿到结果，说明没有完全匹配的，用 cosinesimilarity+1/2.x 得到最终相似度，x 的值看着给，反正不会得到 1 的结果就行
|
 |
12
strawberryBug 226 天前 via Android
给你个关键词 gauss decay function ，可以自定义 score
|
 |
13
findlisa OP @akinoowari 妙，感谢大佬这是个思路👍
|
|
14
findlisa OP @strawberryBug ok 谢谢我去看看
|
 |
15
lemon1997 225 天前
我做过一个简陋的，需要对文本分词，然后匹配命中数量，不过需要去掉一些无意义的词
|
|
17
findlisa OP @akinoowari 大佬，有点疑惑，第一次查询加上 match 的话应该都是会有数据的，如果第一次没数据，第二次应该也查不到数据
|
|
18
akinoowari 223 天前
@findlisa 是拿不到呀，所以是 2.x ，x>0 ，等于 0 的话就会有 1 的结果
|
|
19
findlisa OP @akinoowari 那这样我第一次直接用 match 匹配，然后 返回的第一条拿到 highlight 字段后，拿来用 cosinsimilarity 和查询关键字比较，等于 1 就是完全匹配，第二次直接拿 score 做分母，小于 1 就用这个值算出相应的 maxscore= 0.x/_socre
|
|
20
findlisa OP @codegenerator 可以加我聊详谈 d2VpamcyNzIy
|
|
21
codegenerator 222 天前
@findlisa 微信查不到，你这个什么帐号？
|
|
22
findlisa OP @codegenerator 转下 base64
|
 |
23
teiboku1 182 天前
你可以用语义搜索然后把分数自己归一化一下
|
Select Language