elastic search中混合使用match實作召回率和精确率的平衡

召回率：比如你搜尋一個java spark，總共有100個doc，能傳回多少個doc作為結果，就是召回率，即recall；

精準度：比如你搜尋一個java spark，能不能盡可能讓包含短語 "java spark"，或者是java和spark離的很近的doc，排在最前面，即precision；

在使用近似比對的時候，召回率比較低，精準度太高了，比如：

match phrase，proximity match，要求doc必須包含所有的term，才能作為結果傳回；如果某一個doc可能就是有某個term沒有包含，那麼就無法作為結果傳回

java spark --> hello world java --> 就不能傳回了
java spark --> hello world, java spark --> 才可以傳回
           

但是有時可能我們希望的是比對到幾個term中的部分，就可以作為結果出來，這樣可以提高召回率。同時我們也希望用上match_phrase根據距離提升分數的功能，讓幾個term距離越近分數就越高，優先傳回；

意思是：java spark，包含java的也傳回，包含spark的也傳回，包含java和spark的也傳回；同時兼顧精準度，就是包含java和spark，同時java和spark離的越近的doc排在最前面；

此時可以用bool組合match query和match_phrase query一起，來實作上述效果

GET /forum/article/_search
{
  "query": {
    "bool": {
      "must": {
        "match": { 
          "title": {
            "query": "java spark" ----->java或spark或java spark，java和spark靠前，但是沒法區分java和spark的距離，也許java和spark靠的很近，但是沒法排在最前面
          }
        }
      },
      "should": {
        "match_phrase": {------>在slop以内，如果java spark能比對上一個doc，那麼就會對doc貢獻自己的relevance score，如果java和spark靠的越近，那麼就分數越高
          "title": {
            "query": "java spark",
            "slop":  50
          }
        }
      }
    }
  }
}
           

• match和phrase match(proximity match)差別：

• match：隻要簡單的比對到了一個term，就可以了解将term對應的doc作為結果傳回，掃描反向索引，掃描到了就ok；

  phrase match ：首先掃描到所有term的doc list; 找到包含所有term的doc list; 然後對每個doc都計算每個term的position，是否符合指定的範圍; slop，需要進行複雜的運算，來判斷能否通過slop移動，比對一個doc；

• match query的性能比phrase match和proximity match（有slop）要高很多。因為後兩者都要計算position的距離。

  match query比phrase match的性能要高10倍，比proximity match的性能要高20倍。

如何優化proximity match的性能：

   一般就是減少要進行proximity match搜尋的document數量。主要思路：

   用match query先過濾出需要的資料，然後再用proximity match來根據term距離提高doc的分數，同時proximity match隻針對每個shard的分數排名前n個doc起作用，來重新調整它們的分數，這個過程稱之為rescoring，重計分。因為一般使用者會分頁查詢，隻會看到前幾頁的資料，是以不需要對所有結果進行proximity match操作。

   比如說：預設情況下，match也許比對了1000個doc，proximity match全都需要對每個doc進行一遍運算，判斷能否slop移動比對上，然後去貢獻自己的分數但是很多情況下，match出來也許1000個doc，其實使用者大部分情況下是分頁查詢的，是以可能最多隻會看前幾頁，比如一頁是10條，最多也許就看5頁，就是50條，proximity match隻要對前50個doc進行slop移動去比對，去貢獻自己的分數即可，不需要對全部1000個doc都去進行計算和貢獻分數

match：1000個doc，其實這時候每個doc都有一個分數了; proximity match，前50個doc，進行rescore，重打分，即可; 讓前50個doc，term舉例越近的，排在越前面

GET /forum/article/_search 
{
  "query": {
    "match": {
      "content": "java spark"
    }
  },
  "rescore": {
    "window_size": 50,
    "query": {
      "rescore_query": {
        "match_phrase": {
          "content": {
            "query": "java spark",
            "slop": 50
          }
        }
      }
    }
  }
}