分布式搜尋elasticsearch java API 之（八）——使用More like this實現基於內容的推薦

基於內容的推薦通常是給定一篇文檔資訊，然後給使用者推薦與該文檔相識的文檔。Lucene的api中有實現查詢文章相似性的介面，叫MoreLikeThis。Elasticsearch封裝了該介面，通過Elasticsearch的More like this查詢介面，我們可以非常方便的實現基於內容的推薦。

先看一個查詢請求的json例子：

{     "more_like_this" : {         "fields" : ["title", "content"],         "like_text" : "text like this one",     } }

其中：

fields是要匹配的欄位，如果不填的話預設是_all欄位

like_text是匹配的文本。

除此之外還可以添加下麵條件來調節結果

percent_terms_to_match：匹配項（term）的百分比，預設是0.3

min_term_freq：一篇文檔中一個詞語至少出現次數，小於這個值的詞將被忽略，預設是2

max_query_terms：一條查詢語句中允許最多查詢詞語的個數，預設是25

stop_words：設定停止詞，匹配時會忽略停止詞

min_doc_freq：一個詞語最少在多少篇文檔中出現，小於這個值的詞會將被忽略，預設是無限制

max_doc_freq：一個詞語最多在多少篇文檔中出現，大於這個值的詞會將被忽略，預設是無限制

min_word_len：最小的詞語長度，預設是0

max_word_len：最多的詞語長度，預設無限制

boost_terms：設定詞語權重，預設是1

boost：設定查詢權重，預設是1

analyzer：設定使用的分詞器，預設是使用該欄位指定的分詞器




下面介紹下如何用java api調用，一共有三種調用方式，不過本質上都是一樣的，只不過是做了一些不同程度的封裝。

MoreLikeThisRequestBuilder mlt = new MoreLikeThisRequestBuilder(client, "indexName", "indexType", "id");mlt.setField("title");//匹配的欄位SearchResponse response = client.moreLikeThis(mlt.request()).actionGet();

這種是在查詢與某個id的文檔相似的文檔。這個介面是直接在client那調用的，比較特殊。還有兩種就是構造Query進行查詢

MoreLikeThisQueryBuilder query = QueryBuilders.moreLikeThisQuery();query.boost(1.0f).likeText("xxx").minTermFreq(10);

這裡的boost、likeText方法完全和上面的參數對應的。下面這種就是把要匹配的欄位作為參數傳進來，參數和MoreLikeThisQueryBuilder是一樣的。

MoreLikeThisFieldQueryBuilder query = QueryBuilders.moreLikeThisFieldQuery("fieldNmae");

參考資料：http://www.searchtech.pro/articles/2013/02/16/1360971902049.html