问答系统：通过用户给出的一段描述性文本，通过相似度计算查找与用户输入接近的问题
相似推荐：用户在浏览当前文章时，基于内容相似性推荐与本篇文章相似的文章
more_like_this顾名思义就是帮我找到更多像这个文档的数据，为了便于讲解，这里先构建一个索引库，该索引库包含title和desc两个字段：
PUT /search_data
{
"mappings": {
"properties": {
"title": {
"type": "text",
"term_vector": "yes"
},
"desc": {
"type": "text"
}
}
}
}
-
term_vector
term_vector为yes时会索引terms向量，加快相似度计算的速度；这里desc字段没有配置term_vector也是可以进行more_like_this查询的，但会有性能损耗，这里不配置是为了更好的说明问题，到线上应用需要都设置为yes。
基于一段短文本或一个问题描述语句进行推荐
GET /_search
{
"query": {
"more_like_this" : {
"fields" : ["title", "desc"],
"like" : "清明节春游踏青春季旅游学校春游亲子游企业郊游活动",
"min_term_freq" : 1,
"max_query_terms" : 12
}
}
}
-
fields
要执行查询的字段，目前只支持text和term -
like
要查询相似的文本，可以是文档id或者一个查询字句 -
min_term_freq
最小词频率，低于该频率的词将被忽略 -
max_query_terms
根据max_query_terms配置的数，提取like中文本term的tfidf值最大的几个，其余的词将被忽略
另外如果文本太长，也可以基于文章Id进行相似推荐
GET /_search
{
"query": {
"more_like_this" : {
"fields" : ["title", "desc"],
"like" : [
{
"_index" : "search_data",
"_id" : "1"
}
],
"min_term_freq" : 1,
"max_query_terms" : 12
}
}
}
like后面是数组可以跟多篇文章，另外_index对应的索引库也可以不是当前查询的索引库。
结果微调
-
unlike
如果对推荐的结果不是很满意，也可以通过unlike参数进行微调，使用方式和like一致，不同的是这里传入的是你不喜欢的一些内容，在进行相似性计算时进行降权，需要注意的是，这里如果降权的是头部推荐的话不是很明显。
GET search_data/_search
{
"size": 112,
"_source": ["desc","title"],
"query": {
"more_like_this" : {
"fields" : ["title", "desc"],
"unlike":[
{
"_index" : "search_data",
"_id" : "1270715"
},
{
"_index" : "search_data",
"_id" : "1238991"
},
{
"_index" : "search_data",
"_id" : "506680"
},
"我要把不喜欢的内容屏蔽掉"
],
"like" : [
{
"_index" : "search_data",
"_id" : "986604"
}
],
"min_term_freq" : 1
}
}
}
其它可选参数
- min_doc_freq：最小的文档频率，默认为5。
- max_doc_freq：最大文档频率。
- min_word_length：单词的最小长度。
- max_word_length：单词的最大长度。
- stop_words：停用词列表。
- analyzer：分词器。
- minimum_should_match：文档应该匹配的最小单词数量，默认为query分词后词项的30%。
- boost_terms：词项的权重。
- include：是否把输入文档作为结果返回。
- boost：整个query的权重，默认为1.0。
