如何使用distinct子句实现展示结果的多样性_智能开放搜索 OpenSearch(Open Search)-阿里云帮助中心

功能说明

打散子句可以在一定程度上保证展示结果的多样性，以提升用户体验。如一次查询可以查出很多的文档，但是如果某个用户的多个文档分值都比较高，则都排在了前面，导致一页中所展示的结果几乎都属于同一用户，这样既不利于结果展示也不利于用户体验。对此，打散子句可以对每个用户的文档进行抽取，使得每个用户都有展示文档的机会。

子句语法

"distinct" : {
     "default": {  
      "dist_key" : "field",
      "dist_count":number,
      "dist_times" : number,
      "dist_filter" : "filter_expression",
      "reserved" : boolean,
      "max_item_count" : number,
      "grade" : []
    },
    "rank": {  
      "dist_key" : "field",
      "dist_count":number,
      "dist_times" : number,
      "dist_filter" : "filter_expression",
      "reserved" : boolean,
      "max_item_count" : number,
      "grade" : []
    },
    "rerank": {
      "dist_key" : "field",
      "dist_count":number,
      "dist_times" : number,
      "dist_filter" : "filter_expression",
      "reserved" : boolean,
      "max_item_count" : number,
      "grade" : []
    }
  }
}

为了保证打散效果，引擎默认在粗排和精排节点分别进行打散。在打散时可以使用相同的打散规则，也可以分别指定不同的打散规则。不同阶段打散生效规则如下：

仅指定default规则，粗排和精排都使用default进行打散。
仅指定rank规则，仅粗排阶段进行打散。
仅指定rerank规则，仅精排阶段进行打散。
同时指定default和rank规则，粗排阶段用rank规则打散，精排阶段用default规则打散。
同时指定default和rerank规则，粗排阶段用default规则打散，精排阶段用rerank规则打散。
同时指定rank和rerank规则，粗排阶段用rank规则打散，精排阶段用rerank规则打散。
同时指定default、rank和rerank规则，粗排阶段用rank规则打散，精排阶段用rerank规则打散。
default、rank、rerank三个规则必须指定一个。

打散规则参数说明

dist_key：必选参数，要打散的属性字段。
dist_count：可选参数，一轮抽取的文档数，默认为1。
dist_times：可选参数，抽取的轮数，默认为1。
dist_filter：可选参数，过滤条件，被过滤的doc不参与distinct，只在后面的排序中，这些被过滤的doc将和被distinct出来的第一组doc一起参与排序。默认是全部参与distinct。
reserved：可选参数，true/false，是否保留抽取之后剩余的文档，默认为true。如果为false，为不保留，则搜索结果的total（总匹配结果数）会不准确。
max_item_count：可选参数，设置计算distinct时最多保留的doc数目（最多保留数为max(max_item_count, hit)）。
- 为了最终结果翻页稳定，可以设置为最大可能查询到的文档数目（比如每页10条结果，最多翻页到100页，那么就设置为10*100=1000）。
grade：可选参数，指定档位划分阈值，所有的文档将根据档位划分阈值划分成若干档，每个档位中各自根据distinct参数做distinct，可以不指定该参数，默认是所有文档都在同一档。档位的划分按照文档排序时第一维的排序依据的分数进行划分，两个档位阈值之间用 “|” 分开，档位的个数没有限制。例如：1、grade:3.0 ：表示根据第一维排序依据的分数分成两档，(< 3.0）的是第一档，(>= 3.0) 的是第二档；2、grade:3.0|5.0 ：表示分成三档，(< 3.0）是第一档，(>= 3.0，< 5.0）是第二档，(>= 5.0）是第三档。档位的先后顺序和第一维排序依据的顺序一致，即如果第一维排序依据是降序，则档位也是降序，反之亦然。

示例：

"distinct" : {
     "default": {  
      "dist_key" : "company_id",
      "dist_count":2,
      "dist_times" : 10
    }
}
备注：按照company_id字段进行打散抽取10轮，每轮取2个结果，抽取后的文档排在后面

dist_count和dist_times说明

以下样例用来解释和说明dist_count和dist_times的用法及含义：

假设有6篇文档，id为主键，name为需要做打散的字段：

doc 1: id:1 name:a

doc 2: id:2 name:a

doc 3: id:3 name:a

doc 4: id:4 name:b

doc 5: id:5 name:c

doc 6: id:6 name:c

case1:

"distinct" : {
     "default": {  
      "dist_key" : "name",
      "dist_count":2,
      "dist_times" : 1
    }
}
#打散结果是：doc1 doc2 doc4 doc5 doc6

case2:

"distinct" : {
     "default": {  
      "dist_key" : "name",
      "dist_count":1,
      "dist_times" : 2
    }
}
#打散结果是：doc1 doc4 doc5 doc2 doc6

case3:

"distinct" : {
     "default": {  
      "dist_key" : "name",
      "dist_count":1,
      "dist_times" : 1
    }
}
#打散结果是：doc1 doc4 doc5

distinct uniq插件

如上面描述，如果reserved=false情况下，会导致搜索结果中的total及viewtotal不准确，如果用户需要依赖于这个值进行翻页或者其他处理，则会有问题。为此，系统提供了distinct uniq的插件来解决在dist_times:1,dist_count:1,reserved:false的情况下的total及viewtotal展示不准确。

在kvpairs中添加duniqfield:field即可。

注意：

field必须与distinct子句中的dist_key一致；
该插件仅在在dist_times:1,dist_count:1,reserved:false查询下起作用，任何参数值有变化都将无效。
出于性能考虑，目前该插件最大支持total值为5000，即使真实搜索结果数超过5000，也会返回5000。

示例：

{
  "distinct" : {
    "default": {  
      "dist_key" : "company_id",
      "dist_count":1,
      "dist_times" : 1,
      "reserved" : false
    }
  },
  "kvpairs" : {
    "duniqfield":"company_id"
  }
}

注意事项

在distinct中出现的字段必须在定义应用结构的时配置为属性字段。
不支持array类型，只支持int和literal字段类型。