Elasticsearch的自定义score评分

一、ES默认评分规则

1、评分示例介绍

Post  /**/_doc/_search{"query": {"bool": {"must": [{"term": {"tenantsid": 563651117638208}}],"should": [{"match": {"file_context": "测试"}}]}},"from": 0,"size": 10,"_source": {"excludes": []}
}

====返回结果有得分_score
{
“_index”: “****”,
“_type”: “_doc”,
“_id”: “663b238d170cf70041bcd5b3”,
“_score”: 4.693205
}

当增加自定义排序sort后

{"query": {"bool": {"must": [{"term": {"tenantsid": 563651117638208}}],"should": [{"match": {"file_context": "测试"}}]}},"from": 0,"size": 12,"sort": [{"doc_view_number": {"order": "desc"}},{"create_time.keyword":{"order": "desc"}}],"track_scores": true, //先不加"_source": {"excludes": []}
}

===当使用自定义排序（如按字段值排序）时，Elasticsearch 默认不会计算相关性得分（因为排序不依赖它），因此 _score 为 null。
加上"track_scores": true后，会有得分_score数据。

总结说明：在使用Elasticsearch进行全文搜索的时候，默认是使用BM25计算的_score字段进行降序排序的。当自定义排序时，默认是不会计算相关性得分（因为排序不依赖它），即_score 为 null。加了 “track_scores”: true，_score不为null。

=====现在有要求，需要自定义排序特性，同时要求在按照得分进行排序，那么Elasticsearch提供了function_score的DSL来自定义打分，这样就可以根据自定义的_score来进行排序。

2、评分示例解读

Elasticsearch 中查询结果的 _score 表示文档与查询条件的相关性得分，用于衡量文档匹配查询条件的程度。得分越高，说明文档与查询的匹配度越高，相关性越强。_score 是一个相对值（通常为正数），仅在当前查询的上下文中有意义，不同查询之间的得分不具可比性。
计算依据：
基于 Lucene 的 TF/IDF 算法（词频 - 逆文档频率）：查询词在文档中出现的次数越多，得分越高。查询词在整个索引中出现的文档越少（越稀有），得分越高。
其他因素：
如字段长度（短字段中的匹配词权重更高）、查询类型（match/bool 等不同查询有不同的评分逻辑）、boost 权重设置等。

{"query": {"bool": {"must": [{"term": {"tenantsid": 563651117638208}}],"should":