基础概念

分词

1. 模糊查询 like 其实是一种精确的查询

设有标题：i am a chinese

模糊查询只能插到相邻的词，如 am a 。不能查到分开的词，如 i chinese

2. 所以需要有分词器，根据某种规则把标题和关键词分词

3. 分词器搜索采用倒排索引的方式进行搜索

• 正向索引

  

  但是这样会使每个 doc 都要遍历一遍，效率低

• 倒排索引

  

  根据分词去分类文章，则只需查找对应关键词的分词即可，这样效率高效

TF-IDF打分

TF：词频，文档中包含多少个这个词，包含越多表面越相关

DF：文档频率，包含该词的文档数目

IDF：DF取反，即包含该词的文档数目越少越相关

TFNORM：词频归一化，词占文档全部词百分比

$(TF/IDF)+TFNORM$

查询搜索关键词的详细打分过程

• 添加"explain": true

GET /movie/_search
{
  "explain": true, 
  "query": {
    "match": {
      "title": "steve"
    }
  }
}