elasticsearch 7.0 新特性之 Rank Feature query

Rank Feature为es能在机器学习场景应用提供支持，是es处理特征计算的开始

1、介绍

rank_feature 是es7.0引入的一种特殊的查询query ，这种查询只在rank_feature 和 rank_features字段类型上有效（rank_feature 与rank_features是es7.0新增的数据类型），通常被放到boolean query中的should子句中用来提升文档score，需要注意的是这种查询的性能要高于function score。

通过一个例子进行介绍：

PUT test
{
  "mappings": {
    "properties": {
      "pagerank": {
        "type": "rank_feature"
      },
      "url_length": {
        "type": "rank_feature",
        "positive_score_impact": false
      },
      "topics": {
        "type": "rank_features"
      }
    }
  }
}

PUT test/_doc/1
{
  "url": "http://en.wikipedia.org/wiki/2016_Summer_Olympics",
  "content": "Rio 2016",
  "pagerank": 50.3,
  "url_length": 42,
  "topics": {
    "sports": 50,
    "brazil": 30
  }
}

PUT test/_doc/2
{
  "url": "http://en.wikipedia.org/wiki/2016_Brazilian_Grand_Prix",
  "content": "Formula One motor race held on 13 November 2016 at the Autódromo José Carlos Pace in São Paulo, Brazil",
  "pagerank": 50.3,
  "url_length": 47,
  "topics": {
    "sports": 35,
    "formula one": 65,
    "brazil": 20
  }
}

PUT test/_doc/3
{
  "url": "http://en.wikipedia.org/wiki/Deadpool_(film)",
  "content": "Deadpool is a 2016 American superhero film",
  "pagerank": 50.3,
  "url_length": 37,
  "topics": {
    "movies": 60,
    "super hero": 65
  }
}

POST test/_refresh

GET test/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "content": "2016"
          }
        }
      ],
      "should": [
        {
          "rank_feature": {
            "field": "pagerank"
          }
        },
        {
          "rank_feature": {
            "field": "url_length",
            "boost": 0.1
          }
        },
        {
          "rank_feature": {
            "field": "topics.sports",
            "boost": 0.4
          }
        }
      ]
    }
  }
}

2、操作

rank_feature query 支持3中影响打分的函数，分别是saturation（默认）、Logarithm、Sigmoid。

saturation
score区间（0,1），该函数的打分公式是 S / (S + pivot) ，其中S是rank feature 或 rank features的value值，pivod是score分界值，当S值大于pivot时，score>0.5 ；当S值小于pivot时，score<0.5 。

GET test/_search
{
  "query": {
    "rank_feature": {
      "field": "pagerank",
      "saturation": {
        "pivot": 8
      }
    }
  }
}

如果不指定pivot，elasticsearch会计算该field下索引值，近似求解出一个平均值作为pivot值；如果不知道如何设置pivot，官方建议不设置。

GET test/_search
{
  "query": {
    "rank_feature": {
      "field": "pagerank",
      "saturation": {}
    }
  }
}

Logarithm
score无边界，该函数打分公式是 log(scaling_factor + S) ，其中S是rank feature 或 rank features的value值，scaling_factor 是配置的缩放系数。

GET test/_search
{
  "query": {
    "rank_feature": {
      "field": "pagerank",
      "log": {
        "scaling_factor": 4
      }
    }
  }
}

需要注意的是该函数下的rank feature 或 rank features的value值必须是正数。

Sigmoid
score区间（0,1），该函数是 saturation 函数的扩展，计算公式是 S^exp / (S^exp + pivot^exp) ，其中新增了一个指数参数 exponent，该参数必须是整数，建议取值区间[0.5,1] ，如果开始不知道如何设置一个比较理想的exponent值时，官方建议先从saturation函数开始。

GET test/_search
{
  "query": {
    "rank_feature": {
      "field": "pagerank",
      "sigmoid": {
        "pivot": 7,
        "exponent": 0.6
      }
    }
  }
}