Elasticsearch Service 混合搜索（前置/后置

本文介绍 kNN 搜索的基本要点，您可以参阅此文档了解更多详情。
混合搜索结合了向量搜索和传统文本搜索的优势，可以根据业务场景灵活选择搭配，以提供符合业务召回需要的更精准的搜索结果。
前置过滤
搜索方式：在向量搜索之前应用过滤器，只对符合条件的文档进行向量相似度计算。
适用场景：适合有明确筛选条件的场景，例如书籍分类型、电商的品类过滤等。
GET book-index/_search
{
    "knn":{
        "field":"title_vector",
        "query_vector": [0.1, 0.2, 0.3 ...], 
        "k":10,
        "num_candidates": 100,
        "filter":{  // 前置过滤条件
            "term":{
                "category": "历史"
            }
        }
    }
}
后置过滤
搜索方式：先执行向量搜索，再对结果进行过滤。
适用场景：适合需要先进行泛化搜索，再过滤收敛的场景。
注意：后置过滤可能过滤掉大量结果，导致最终返回文档不足，因此建议设置较大的 k 值来保证足够的结果返回。
说明：如下代码示例中，filter子句无论放在must前面还是后面，执行效果都一样，都是后置过滤。
GET book-index/_search
{
    "query":{
        "bool":{
            "must":[
                {
                    "knn":{
                        "field":"content_vector",
                        "query_vector": [0.1, 0.2, 0.3 ...],
                        "k":100,
                        "num_candidates": 500
                    }
                }
            ],
            "filter":[ // 后置过滤，filter子句无论放在前面还是后面，执行效果都一样。
                {
                    "range": {
                      "price": {
                        "gte": 15,
                        "lte": 25
                      }
                    }
                }
            ]
        }
    },
    "size": 10
}
﻿
并行搜索
搜索方式：向量搜索和文本搜索并行执行，结果按分数合并，可通过 boost 调整权重。
适用场景：适合语义相似度和关键词匹配并重的场景。
GET book-index/_search
{
  "query":{
    "bool":{
      "should":[
        {
          "range": {
            "price": {
              "gte": 15,
              "lte": 25
            }
          }
        },
        {
          "knn":{
            "field":"title_vector",
            "query_vector": [0.1, 0.2, 0.3 ...],
            "k":2,
            "num_candidates": 50
          }
        }
      ]
    }
  }
}
混合搜索（前置/后置/并行）

本页目录：

前置过滤

后置过滤

并行搜索
