过滤集提升权重

回到 忽略 TF/IDF 里处理过的问题，我们希望根据每个度假屋的特性数量来评分，当时我们希望能用缓存的过滤器来影响评分，现在 function_score 查询正好可以完成这件事情。

到目前为止，我们展现的都是为所有文档应用单个函数的使用方式，现在会用过滤器将结果划分为多个子集（每个特性一个过滤器），并为每个子集使用不同的函数。

在下面例子中，我们会使用 weight 函数，它与 boost 参数类似可以用于任何查询。有一点区别是 weight 没有被 Luence 归一化成难以理解的浮点数，而是直接被应用。

查询的结构需要做相应变更以整合多个函数：

  1. GET /_search
  2. {
  3.   "query": {
  4.     "function_score": {
  5.       "filter": { (1)
  6.         "term": { "city": "Barcelona" }
  7.       },
  8.       "functions": [ (2)
  9.         {
  10.           "filter": { "term": { "features": "wifi" }}, (3)
  11.           "weight": 1
  12.         },
  13.         {
  14.           "filter": { "term": { "features": "garden" }}, (3)
  15.           "weight": 1
  16.         },
  17.         {
  18.           "filter": { "term": { "features": "pool" }}, (3)
  19.           "weight": 2 (4)
  20.         }
  21.       ],
  22.       "score_mode": "sum", (5)
  23.     }
  24.   }
  25. }

<1> function_score 查询有个 filter 过滤器而不是 query 查询。

<2> functions 关键字存储着一个将被应用的函数列表。

<3> 函数会被应用于和 filter 过滤器（可选的）匹配的文档。

<4> pool 比其他特性更重要，所以它有更高 weight 。

<5> score_mode 指定各个函数的值进行组合运算的方式。

这个新特性需要注意的地方会在以下小节介绍。

过滤 vs. 查询

首先要注意的是 filter 过滤器代替了 query 查询，在本例中，我们无须使用全文搜索，只想找到 city 字段中包含 Barcelona 的所有文档，逻辑用过滤比用查询表达更清晰。过滤器返回的所有文档的评分 _score 的值为 1 。 function_score 查询接受 query 或 filter ，如果没有特别指定，则默认使用 match_all 查询。

函数 functions

functions 关键字保持着一个将要被使用的函数列表。可以为列表里的每个函数都指定一个 filter 过滤器，在这种情况下，函数只会被应用到那些与过滤器匹配的文档，例子中，我们为与过滤器匹配的文档指定权重值 weight 为 1 （为与 pool 匹配的文档指定权重值为 2 ）。

评分模式 score_mode

每个函数返回一个结果，所以需要一种将多个结果缩减到单个值的方式，然后才能将其与原始评分 _score 合并。评分模式 score_mode 参数正好扮演这样的角色，它接受以下值：

multiply:: 函数结果求积（默认）。

sum:: 函数结果求和。

avg:: 函数结果的平均值。

max:: 函数结果的最大值。

min:: 函数结果的最小值。

first:: 使用首个函数（可以有过滤器，也可能没有）的结果作为最终结果

在本例中，我们将每个过滤器匹配结果的权重 weight 求和，并将其作为最终评分结果，所以会使用 sum 评分模式。

不与任何过滤器匹配的文档会保有其原始评分， _score 值的为 1 。