CN113486138A - 基于Elasticsearch的检索方法、系统和计算机可读存储介质 - Google Patents

Abstract

本申请涉及一种基于Elasticsearch的检索方法、系统和计算机可读存储介质，其中，该方法包括：函数配置步骤，建立索引和function score函数之间的对应关系，并配置function score函数；检索结果返回步骤，通过获得的关键词触发检索，选择一个或多个索引进行检索，通过索引查找对应的functionscore函数，并据此结合查询参数获得每个检索结果的评分，返回排序后的检索结果；结果反馈步骤，根据检索结果结合用户需求输出检索效果参数，根据检索效果参数调整函数配置步骤中function score函数中的相关配置。本申请根据检索结果结合用户需求输出检索效果参数，并据此调整function score函数的参数，解决了相关技术中对检索结果的评分无法实时调整的问题，实现了对评分结果实时调整的效果。

Description

基于Elasticsearch的检索方法、系统和计算机可读存储介质

技术领域

本申请涉及智能搜索技术领域，特别是涉及基于Elasticsearch的检索方法、系统和计算机可读存储介质。

背景技术

企业知识库是明略科技发布的一款拥有海量文档数据的智能检索平台，利用全文检索技术，将文档数据建立文档索引，并利用智能推荐等技术，实现高效快速的文档数据检索。将文档数据展示给用户过程中，往往需要对文档基于用户喜好进行分类推荐。

公开号为CN112883143A公开了一种基于Elasticsearch的数字展会搜索方法，其公开了技术方案：根据用户输入的关键词和搜索条件进行拓展，并调用Elasticsearch的检索接口得到检索结果，并利用用户偏好模型进行排序展示给用户。

但是现有技术对于仅基于Elasticsearch的检索效果并不好，获得的评分数据无法根据用户需求的变化进行及时的调整，推荐逻辑不够灵活。

目前针对现有技术中对检索结果的评分无法实时调整的技术问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种基于Elasticsearch的检索方法、系统和计算机可读存储介质，以至少解决相关技术中对检索结果的评分无法实时调整的问题。

第一方面，本申请实施例提供了一种基于Elasticsearch的检索方法，包括以下步骤：

函数配置步骤，建立索引和function score函数之间的对应关系，并配置function score函数；

检索结果返回步骤，通过获得的关键词触发检索，选择一个或多个索引进行检索，通过索引查找对应的function score函数，并据此结合查询参数获得每个检索结果的评分，返回排序后的检索结果；

结果反馈步骤，根据检索结果结合用户需求输出检索效果参数，根据检索效果参数调整函数配置步骤中function score函数中的相关配置。

在其中一些实施例中，函数配置步骤进一步包括：

Function score函数选择步骤，依据索引选择对应的function score函数；

字段影响函数配置步骤，当选择字段影响函数时，配置相应的field、modifier和factor用于控制检索结果的评分，通过factor和field获得一评分，并辅助modifier放大或缩小评分，其中，field是选择索引中的数值类型字段，modifier是选择字段影响函数支持的函数，factor为对应权重；

衰减函数配置步骤，当选择衰减函数时，配置相应的origin、offset、scale和decay用于控制检索结果的评分，其中，origin为中心点，offset为偏移量，scale为超过offset之后滑动的距离，decay设置为origin衰减到scale的值；

影响因子函数配置步骤，当选择影响因子函数时，通过添加自定义脚本获得最后的评分；

数据库存储步骤，将上述各步骤中的function score函数及其配置存储至一数据库中。

在其中一些实施例中，检索结果返回步骤中当根据索引无法查找到对应的functionscore函数或结果返回步骤中检索效果参数低于预设检索效果参数时，可以依据配置新的function score函数并存入至数据库中，重新触发检索，并向数据库拉取新的function score函数进行检索。

在其中一些实施例中，当结果返回步骤中检索效果参数低于预设检索效果参数时，还可以依据检索效果参数改变已配置的function score函数中的参数，调整functionscore函数的作用效果。

第二方面，本申请实施例提供了一种基于Elasticsearch的检索系统，应用第一方面的基于Elasticsearch的检索方法，包括：

函数配置模块，建立索引和function score函数之间的对应关系，并配置function score函数；

检索结果返回模块，通过获得的关键词触发检索，选择一个或多个索引进行检索，通过索引查找对应的function score函数，并据此结合查询参数获得每个检索结果的评分，返回排序后的检索结果；

结果反馈模块，根据检索结果结合用户需求输出检索效果参数，根据检索效果参数调整函数配置步骤中function score函数中的相关配置。

在其中一些实施例中，函数配置模块进一步包括：

Function score函数选择单元，依据索引选择对应的function score函数；

字段影响函数配置单元，当选择字段影响函数时，配置相应的field、modifier和factor用于控制检索结果的评分，通过factor和field获得一评分，并辅助modifier放大或缩小评分；

衰减函数配置单元，当选择衰减函数时，配置相应的origin、offset、scale和decay用于控制检索结果的评分；

影响因子函数配置单元，当选择影响因子函数时，通过添加自定义脚本获得最后的评分；

数据库存储单元，将上述各步骤中的function score函数及其配置存储至一数据库中。

在其中一些实施例中，检索结果返回模块中当根据索引无法查找到对应的function score函数或结果返回模块中检索效果参数低于预设检索效果参数时，可以依据配置新的function score函数并存入至数据库中，重新触发检索，并向数据库拉取新的function score函数进行检索。

在其中一些实施例中，当结果返回模块中检索效果参数低于预设检索效果参数时，还可以依据检索效果参数改变已配置的function score函数中的参数，调整functionscore函数的作用效果。

第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的基于Elasticsearch的检索方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的基于Elasticsearch的检索方法。

相比于相关技术，本申请实施例提供的基于Elasticsearch的检索方法、系统和计算机可读存储介质，本申请实施例可以应用于信息检索技术领域，还可以应用于排序优化技术领域，根据检索结果结合用户需求输出检索效果参数，并据此调整function score函数的参数，解决了相关技术中对检索结果的评分无法实时调整的问题，实现了对评分结果实时调整的效果，灵活性高，提高用户体验感。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种基于Elasticsearch的检索方法的流程图；

图2是根据本申请实施例的函数配置步骤的流程图；

图3是根据本申请实施例的另一种基于Elasticsearch的检索方法的流程图；

图4为衰减函数的具体说明示意图；

图5为function score函数配置的整体流程；

图6为检索的流程图；

图7是根据本申请实施例的基于Elasticsearch的检索系统的结构框图；

图8为根据本申请实施例的计算机设备的硬件结构示意图。

附图说明：

函数配置模块1；检索结果返回模块2；

结果反馈模块3；Function score函数选择单元11；

字段影响函数配置单元12；衰减函数配置单元13；

影响因子函数配置单元14；数据库存储单元15；

处理器81；存储器82；通信接口83；总线80。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

当前的检索推荐可以通过对内容分类，通过不同的类型分配不同的权重，进行检索推荐。上述策略虽然可以实现内容推荐，但这些实现方案有如下缺点：1：权重是一个固定值，且不方便实时修改；2：推荐逻辑不够灵活，必须依赖对内容分类打标签才能基于Elasticsearch的检索。

基于上述，本实施例提供了一种基于Elasticsearch的检索方法。图1是根据本申请实施例的一种基于Elasticsearch的检索方法的流程图，如图1所示，包括以下步骤：

函数配置步骤S1，建立索引和function score函数之间的对应关系，并配置function score函数；

检索结果返回步骤S2，通过获得的关键词触发检索，选择一个或多个索引进行检索，通过索引查找对应的function score函数，并据此结合查询参数获得每个检索结果的评分，返回排序后的检索结果；

结果反馈步骤S3，根据检索结果结合用户需求输出检索效果参数，根据检索效果参数调整函数配置步骤中function score函数中的相关配置。

上述检索效果参数是对检索得到的检索结果和用户需求的检索结果之间的相关程度，用于后续调整function score函数的参数的依据，后续的预设检索效果参数为理想状态下或在一定误差范围内检索得到的检索结果和用户需求的检索结果之间的相关程度。

通过上述步骤，通过查询参数用于获得检索结果，并采用相关的function score函数获得每个检索结果的评分，用于对检索结果的排序，并通过检索效果参数反作用于function score函数的各项参数，用于实时调整Function Score的配置来实现定制化检索。这样可以做到不需要重启WEB服务就可以实时调整Function Score，并且用户无感知体验性好。

需要说明的是，本申请实施例实现的原理依赖于Elasticsearch FunctionScore，function_score用来控制检索评分，Elasticsearch允许每次做检索前都带上一个function_score，已达到完全替换原评分的目的。

其中，Elasticsearch内置了一些函数：

1：field_value_factor：通过指定一个字段来实现修改检索评分的目的。

2：random_score：这是一个随机函数，可以通过该函数实现随机评分，达到不同用户检索相同内容但检索结果却不同的效果。

3：衰减函数：通过指定一个字段及衰减条件，来实现修改检索评分的目的。

4：script_score：通过指定一段自定义脚本,来实现修改检索评分的目的。

在其中一些实施例中，图2是根据本申请实施例的函数配置步骤的流程图，如图2所示，函数配置步骤S1进一步包括：

Function score函数选择步骤S11，依据索引选择对应的function score函数；

字段影响函数配置步骤S12，当选择字段影响函数(field_value_factor)时，配置相应的field、modifier和factor用于控制检索结果的评分，通过factor和field获得一评分，并辅助modifier放大或缩小评分；

需要说明的是，field是选择索引中的数值类型字段，factor为对应权重，modifier是选择field_value_factor支持的函数，可以设置为，例如，none(默认状态)、log、log1p、log2p、ln、ln1p、ln2p、square、sqrt以及reciprocal，modifier可用来放大或缩小最终的评分。通过字段影响函数计算评分，该评分为field*factor，并通过modifier来放大或缩小上述评分得到最终的评分。

衰减函数配置步骤S13，当选择衰减函数时，配置相应的origin、offset、scale和decay用于控制检索结果的评分；

需要说明的是，衰减函数的具体评分依据待评分字段所落入位置对应的分数。

影响因子函数配置步骤S14，当选择影响因子函数(script_score)时，通过添加自定义脚本获得最后的评分；

数据库存储步骤S15，将上述各步骤中的function score函数及其配置存储至一数据库中。

通过配置function score函数，调整其中的参数，可以得到在不同用户需求下的评分标准，将该评分标准实时作用于检索结果上，以达到检索结果的排序前后满足用户的需求大小。

在其中一些实施例中，检索结果返回步骤S2中当根据索引无法查找到对应的function score函数或结果返回步骤S3中检索效果参数低于预设检索效果参数时，可以依据配置新的function score函数并存入至数据库中，重新触发检索，并向数据库拉取新的function score函数进行检索。

在其中一些实施例中，当结果返回步骤S3中检索效果参数低于预设检索效果参数时，还可以依据检索效果参数改变已配置的function score函数中的参数，调整functionscore函数的作用效果。

通过上述步骤，可随意调整推荐方式，灵活性高，实现基于用户、标签等不同维度进行个性化推荐；在实时调整个性化推荐方案的同时，不需要重启服务，降低了运营成本，也提高了本申请实施例的推广和运营。

本实施例还提供了一种基于Elasticsearch的检索方法。图3是根据本申请实施例的另一种基于Elasticsearch的检索方法的流程图，如图3所示，该流程包括如下步骤：

S301，配置Function Score的方案

图5为function score函数配置的整体流程，如图5所示，系统管理员可以通过在后台设置Function Score，制定一个Function Score的方法如下：

1：在后台页面中选择要查询的索引和对应的Function Score函数；

2：基于上述，如果选择的是field_value_factor(字段影响函数)，需要配置field、modifier、factor来控制评分。

其中，field是对应选择的索引中的数值类型字段；modifier是选择field_value_factor支持的函数，可以设置为none(默认状态)、log、log1p、log2p、ln、ln1p、ln2p、square、sqrt以及reciprocal等，可用来放大或缩小最终的评分；factor是根据不同需求填写的权重；通过计算数值类型字段的值与该权重的值的乘积产生一个评分，并通过modifier来放大或减小上述获得评分得到最终评分；

3：基于上述，如果选择的是衰减函数，需要配置函数类型、field、origin、offset、scale、decay来控制评分。

其中，函数类型可以选择gauss、lin、exp这三种；field是选择索引中的字段；origin是根据需求填写的一个中心点，offset是一个偏移量，scale用来定义超过offset之后滑动的距离，decay代表从origin偏移到scale的得分；将该值定义为衰减函数的最终评分。

根据上述说明的衰减函数的具体说明见图4，function_score支持的衰减函数有三种，分别是linear、exp和gauss，linear、exp、gauss三种衰减函数的差别只在于衰减曲线的形状，在DSL的语法上的用法完全一样，具体来说，

linear:线性函数是条直线，一旦直线与横轴0香蕉，所有其他值的评分都是0。

exp:指数函数是先剧烈衰减然后变缓。

guass(最常用):高斯函数则是钟形的，他的衰减速率是先缓慢，然后变快，最后又放缓。

上述衰减函数支持的参数包括origin、offset、scale和decay，其中，

origin:中心点，或是字段可能的最佳值，落在原点(origin)上的文档评分_score为满分1.0，支持数值、时间以及"经纬度地理座标点"(最常用)的字段；

offset:从origin为中心，为他设置一个偏移量offset覆盖一个范围，在此范围内所有的评分_score也都是和origin一样满分1.0；

scale:衰减率，即是一个文档从origin下落时，score改变的速度；

decay:从origin衰减到scale所得的评分score，默认为0.5(可以根据实际需求进行改变，本发明并不以此为限。)

以图4为例，所有曲线(linear、exp、gauss)的origin都是40，offset是5，因此范围在40-5≤value≤40+5的文档的评分score都是满分1.0；

而在此范围之外，评分会开始衰减，衰减率由scale值(此处是5)和decay值(此处是默认值0.5)决定，在origin±(offset+scale)处的评分是decay值，也就是在30、50的评分处是0.5分；

也就是说，在origin+offset+scale或是origin-offset-scale的点上，得到的分数仅有decay分；

其他位置根据所在衰减函数的实际位置进行评分。

4：基于上述，如果选择的是script_score(影响因子函数)，需要在文本框填入自定义脚本，并根据自定义脚本得到相应的评分。

5：将以上选择的函数以及相关的配置保存到数据库中；

S302，将Function Score作用到检索的方式，制定好一个Function Score方案后，就会将该方案保存入数据库中。检索的时候就可以通过读取该配置来实现个性化检索推荐。图6为检索的流程图，如图6所示，具体检索的流程如下：

1：用户输入检索的关键字并触发检索；

2：后端识别检索时需要使用的索引；

3：通过该索引去数据库查找有无对应的Function Score方案；

4：基于上述3，如果查找到了Function Score方案，在触发检索前，将配置的Function Score传入检索的Query中；

5：返回个性化的检索结果，并根据用户需求得到检索结果参数；

S303，定制化调整Function Score

通过S302中所描述，当触发检索后，如果当前检索结果不满足需求，我们仍然可以实时调整Function Score的配置来实现定制化检索，可以做到不需要重启WEB服务就可以实时调整Function Score，并且用户无感知体验性好。

具体流程如下：

1：重新执行S301所描述的流程，将最新的Function Score存入到数据库中。

2：重新执行S302所描述的流程，当触发检索后，向数据库拉取索引最新的Function Score方案进行检索。

通过上述步骤，本申请实施例提出了一种可以实时调整个性化推荐方案，且，该方案在不需要重启服务的情况下，极大地降低了运营成本；而且可基于用户、标签等不同维度进行个性化推荐，可随意调整推荐方式，灵活性高，是一种个性化检索推荐方法。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例还提供了一种基于Elasticsearch的检索系统，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图7是根据本申请实施例的基于Elasticsearch的检索系统的结构框图，如图7所示，该系统包括：

函数配置模块1，建立索引和function score函数之间的对应关系，并配置function score函数；

检索结果返回模块2，通过获得的关键词触发检索，选择一个或多个索引进行检索，通过索引查找对应的function score函数，并据此结合查询参数获得每个检索结果的评分，返回排序后的检索结果；

结果反馈模块3，根据检索结果结合用户需求输出检索效果参数，根据检索效果参数调整函数配置步骤中function score函数中的相关配置。

通过上述设置，检索结果返回模块2中利用查询参数获得检索结果，同时辅助以function score函数获得每个检索结果的评分，得到最终检索结果的排序；并通过结果反馈模块3将检索效果参数反作用于函数配置模块1中，用于实时调整Function Score的配置来实现定制化检索。

在其中一些实施例中，函数配置模块1进一步包括：

Function score函数选择单元11，依据索引选择对应的function score函数；

字段影响函数配置单元12，当选择字段影响函数时，配置相应的field、modifier和factor用于控制检索结果的评分，通过factor和field获得一评分，并辅助modifier放大或缩小评分，其中，field是选择索引中的数值类型字段，modifier是选择字段影响函数支持的函数，factor为对应权重；

需要说明的是，modifier是选择field_value_factor支持的函数，可以设置为，例如，none(默认状态)、log、log1p、log2p、ln、ln1p、ln2p、square、sqrt以及reciprocal，modifier可用来放大或缩小最终的评分。factor表示权重，通过字段影响函数计算评分，该评分为field*factor，并通过modifier来放大或缩小上述评分得到最终的评分。

衰减函数配置单元13，当选择衰减函数时，配置相应的origin、offset、scale和decay用于控制检索结果的评分，其中，origin为中心点，offset为偏移量，scale为超过offset之后滑动的距离，decay设置为origin衰减到scale的值；

影响因子函数配置单元14，当选择影响因子函数时，通过添加自定义脚本获得最后的评分；

数据库存储单元15，将上述各步骤中的function score函数及其配置存储至一数据库中。

通过字段影响函数配置单元12、衰减函数配置单元13和影响因子函数配置单元14配置function score函数，调整其中的参数，并通过数据库存储单元15存储到数据库中，用于后续的调取，可以得到在不同用户需求下的评分标准，将该评分标准实时作用于检索结果上，以达到检索结果的排序前后满足用户的需求大小。

在其中一些实施例中，检索结果返回模块2中当根据索引无法查找对应的function score函数或结果返回模块3中检索效果参数低于预设检索效果参数时，可以依据配置新的function score函数并存入至数据库中，重新触发检索，并向数据库拉取新的function score函数进行检索。

在其中一些实施例中，当结果返回模块3中检索效果参数低于预设检索效果参数时，还可以依据检索效果参数改变已配置的function score函数中的参数，调整functionscore函数的作用效果。

通过上述系统，可随意调整推荐方式，灵活性高，实现基于用户、标签等不同维度进行个性化推荐；在实时调整个性化推荐方案的同时，不需要重启服务，降低了运营成本，也提高了本申请实施例的推广和运营。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

另外，结合图1描述的本申请实施例基于Elasticsearch的检索方法可以由计算机设备来实现。图8为根据本申请实施例的计算机设备的硬件结构示意图。

计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。

具体地，上述处理器81可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器82可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器82可在数据处理装置的内部或外部。在特定实施例中，存储器82是非易失性(Non-Volatile)存储器。在特定实施例中，存储器82包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(Random Access Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(ErasableProgrammable Read-Only Memory，简称为EPROM)、电可擦除PROM(Electrically ErasableProgrammable Read-Only Memory，简称为EEPROM)、电可改写ROM(ElectricallyAlterable Read-Only Memory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-AccessMemory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode DynamicRandom Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDate Out Dynamic Random Access Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。

存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序指令。

处理器81通过读取并执行存储器82中存储的计算机程序指令，以实现上述实施例中的任意一种基于Elasticsearch的检索方法。

在其中一些实施例中，计算机设备还可包括通信接口83和总线80。其中，如图8所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。

通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。

总线80包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线80可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(Front Side Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(Infini Band)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该计算机设备可以基于获取到的索引和function score函数的对应关系以及function score函数的具体配置情况，执行本申请实施例中的检索结果返回步骤S2和结果反馈步骤S3，从而实现结合图1描述的基于Elasticsearch的检索方法。

另外，结合上述实施例中的基于Elasticsearch的检索方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于Elasticsearch的检索方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于Elasticsearch的检索方法，其特征在于，包括以下步骤：

函数配置步骤，建立索引和function score函数之间的对应关系，并配置所述function score函数；

检索结果返回步骤，通过获得的关键词触发检索，选择一个或多个所述索引进行检索，通过所述索引查找对应的所述function score函数，并据此结合查询参数获得每个检索结果的评分，返回排序后的检索结果；

结果反馈步骤，根据所述检索结果结合用户需求输出检索效果参数，根据所述检索效果参数调整所述函数配置步骤中所述function score函数中的相关配置。

2.根据权利要求1所述的基于Elasticsearch的检索方法，其特征在于，所述函数配置步骤进一步包括：

Function score函数选择步骤，依据所述索引选择对应的所述function score函数；

字段影响函数配置步骤，当选择字段影响函数时，配置相应的field、modifier和factor用于控制所述检索结果的评分，通过所述factor和所述field获得一评分，并辅助所述modifier放大或缩小所述评分；

衰减函数配置步骤，当选择衰减函数时，配置相应的origin、offset、scale和decay用于控制所述检索结果的评分；

影响因子函数配置步骤，当选择影响因子函数时，通过添加自定义脚本获得最后的评分；

数据库存储步骤，将上述各步骤中的function score函数及其配置存储至一数据库中。

3.根据权利要求1所述的基于Elasticsearch的检索方法，其特征在于，所述检索结果返回步骤中当根据所述索引无法查找到对应的function score函数或所述结果返回步骤中所述检索效果参数低于预设检索效果参数时，配置新的function score函数并存入至所述数据库中，重新触发检索，并向所述数据库拉取新的所述function score函数进行检索。

4.根据权利要求1-3任意一项所述的基于Elasticsearch的检索方法，其特征在于，当所述结果返回步骤中所述检索效果参数低于预设检索效果参数时，还可以依据所述检索效果参数改变已配置的所述function score函数中的参数。

5.一种基于Elasticsearch的检索系统，应用上述权利要求1-4任意一项所述的基于Elasticsearch的检索方法，其特征在于，包括：

函数配置模块，建立索引和function score函数之间的对应关系，并配置所述function score函数；

检索结果返回模块，通过获得的关键词触发检索，选择一个或多个所述索引进行检索，通过所述索引查找对应的所述function score函数，并据此结合查询参数获得每个检索结果的评分，返回排序后的检索结果；

结果反馈模块，根据所述检索结果结合用户需求输出检索效果参数，根据所述检索效果参数调整所述函数配置步骤中所述function score函数中的相关配置。

6.根据权利要求5所述的基于Elasticsearch的检索系统，其特征在于，所述函数配置模块进一步包括：

Function score函数选择单元，依据所述索引选择对应的所述function score函数；

字段影响函数配置单元，当选择字段影响函数时，配置相应的field、modifier和factor用于控制所述检索结果的评分，通过所述factor和所述field获得一评分，并辅助所述modifier放大或缩小所述评分；

衰减函数配置单元，当选择衰减函数时，配置相应的origin、offset、scale和decay用于控制所述检索结果的评分；

影响因子函数配置单元，当选择影响因子函数时，通过添加自定义脚本获得最后的评分；

数据库存储单元，将上述各步骤中的function score函数及其配置存储至一数据库中。

7.根据权利要求6所述的基于Elasticsearch的检索系统，其特征在于，所述检索结果返回模块中当根据所述索引无法查找到对应的function score函数或所述结果返回模块中所述检索效果参数低于预设检索效果参数时，配置新的function score函数并存入至所述数据库中，重新触发检索，并向所述数据库拉取新的所述function score函数进行检索。

8.根据权利要求5-7任意一项所述的基于Elasticsearch的检索系统，其特征在于，当所述结果返回模块中所述检索效果参数低于预设检索效果参数时，还可以依据所述检索效果参数改变已配置的所述function score函数中的参数。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的基于Elasticsearch的检索方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的基于Elasticsearch的检索方法。

Images