Elasticsearch推荐图书作者：如何限制每位作者最多3本书？

2023年5月21日 381次阅读

我使用Elasticsearch来推荐作者(我的Elasticsearch文档代表书籍,标题,摘要和作者ID列表).

用户使用某些文本(例如格鲁吉亚或巴黎)查询我的索引,并且我需要在作者级别汇总各个书籍的分数(意思是：推荐撰写关于巴黎的作者).

我从一个简单的聚合开始,但是,通过实验(交叉验证),最好在每个用户最多4本书之后停止聚合每个用户的分数.这样,我们就没有一本拥有200本可以“支配”结果的书籍的作者.让我用伪代码解释一下：

# the aggregated score of each author
Map<Author, Double>  author_scores = new Map()
# the number of books (hits) that contributed to each author
Map<Author, Integer> author_cnt = new Map()

# iterate ES query results
for Document doc in hits:

    # stop aggregating if more that 4 books from this author have already been found
    if (author_cnt.get(doc.author_id) < 4):
        author_scores.increment_by(doc.author_id, doc.score)
        author_cnt.increment_by(doc.author_id, 1)

the_result = author_scores.sort_map_by_value(reverse=true)

到目前为止,我已经在自定义应用程序代码中实现了上述聚合,但我想知道是否可以使用Elasticsearch的查询DSL或org.elasticsearch.search.aggregations.Aggregator接口重写它.

最佳答案 我的意见是你不能用ES提供的功能来做到这一点.我能找到的关于你的要求的最接近的东西是
“top_hits” aggregation.通过这个你执行你的查询,你聚合你想要的任何东西,然后你说你只需要按标准排序的前X次命中.

对于您的特定情况,您的查询是“巴黎”的“匹配”,聚合在作者ID上,然后您告诉ES只返回前3本书,按每位作者的分数排序.好的部分是,ES将为每位特定的作者提供最好的三本书,按相关性排序,而不是每本书的所有书籍都没有.不太好的部分是“顶级命中”不允许另一个子聚合使得只有那些“热门命中”的分数总和成为可能.在这种情况下,您仍然需要计算每个作者的分数总和.

以及一个示例查询：

{
  "query": {
    "match": {
      "title": "Paris"
    }
  },
  "aggs": {
    "top-authors": {
      "terms": {
        "field": "author_ids"
      },
      "aggs": {
        "top_books_hits": {
          "top_hits": {
            "sort": [
              {
                "_score": {
                  "order": "desc"
                }
              }
            ],
            "_source": {
              "include": [
                "title"
              ]
            },
            "size": 3
          }
        }
      }
    }
  }
}
点赞