第九章：相关性与 scoring —— Elasticsearch 为什么知道“谁更像用户想找的”

Elasticsearch 跟普通条件筛选最大的不同之一，是它会给结果打分。

默认情况下，搜索结果通常按 _score 排序。你可以把 _score 理解成：

这份文档在当前这次搜索里，看起来有多相关。

稳定心智先记住这几条就够了：

命中的重要词更多，通常分更高
命中的字段更重要，通常分更高
稀有词往往比满大街都有的词更有区分力
标题命中通常比正文命中更值钱，前提是你给了更高权重
filter 只做筛选，通常不参与打分

例如：

http

GET /city_products/_search
{
  "query": {
    "multi_match": {
      "query": "wireless headphones",
      "fields": ["title^3", "description"]
    }
  }
}

这里 title^3 的意思就是：

text

标题命中 = 权重更高
描述命中 = 权重正常

也就是城市雷达中心在说：

text

如果线索直接打到“门头招牌”，我更相信它相关；
如果只是打到“店内介绍文字”，相关性也有，但弱一点。

关于评分，再记两条特别重要的现实经验：

1. _score 是相对值，不是绝对真理。
同一个文档在两次不同查询里的 _score 不具有直接可比性。

2. 相关性调优本质上是业务问题。
搜索“苹果”时，用户到底更想要水果、品牌、手机、公司，不能只靠底层算法猜到完美。

现代 Elasticsearch 默认相关性排序通常基于 Lucene 的 BM25 一类文本相似度模型。你不必一开始就深究公式，但要知道：

Elasticsearch 的核心不是“查到”，而是“把更像的排前面”。

如果你想看某个文档为什么得这个分，可以用：

http

GET /city_products/_explain/1
{
  "query": {
    "match": {
      "title": "wireless headphones"
    }
  }
}

这很像让雷达中心把“为什么这家店排第一”的评分明细摊给你看。