Elasticsearch核心原理精讲：BM25评分公式全解析与各参数含义详解

Elasticsearch核心原理精讲：BM25评分公式全解析与各参数含义详解

• • 前言
  • 一、Elasticsearch 默认评分公式（BM25）
  • • 1.1 官方标准公式
    • 1.2 公式一句话总结
    • 1.3 评分计算执行流程（可视化）
  • 二、公式各组成部分详细解释（序号化逐行拆解）
  • • 2.1 Σ（求和符号）
    • 2.2 IDF(q) ：逆文档频率（词条稀有度）
    • 2.3 tf(t,d) ：词频（Term Frequency）
    • 2.4 k1 ：词频饱和系数
    • 2.5 b ：长度归一化系数
    • 2.6 len(d) / avg_len ：长度比例
    • 2.7 完整公式组合逻辑（最简理解版）
  • 三、公式各部分作用总结（超清晰）
  • 四、BM25 公式为什么比 TF-IDF 更强？
  • 五、实战：如何查看 ES 真实评分计算？
  • 六、如何根据公式调优搜索相关性？
  • 七、总结
  • • 总结

前言

在 Elasticsearch 中，相关性评分（_score） 直接决定搜索结果的排序，而它的底层就是一套严谨的数学公式。从 5.x 版本开始，ES 就抛弃了传统的 TF-IDF，默认使用 BM25 评分公式，这也是所有现代搜索引擎（Lucene/Solr/ES）的标准算法。

很多开发者知道词频、稀有度影响分数，但对完整公式、每个参数的作用、数值如何计算一知半解，导致搜索排序无法精准调优。

本文将用最通俗的语言 + 公式拆解 + 流程图 + 实战示例，完整讲解 Elasticsearch 的评分公式，逐字解释每个部分的含义，让你彻底看懂 _score 是怎么算出来的。

一、Elasticsearch 默认评分公式（BM25）

1.1 官方标准公式

Elasticsearch 当前所有新版本（7.x/8.x/9.x） 相关性评分公式如下：

Score(d,q) = Σ [ IDF(q) × ( tf(t,d) × (k1 + 1) ) / ( tf(t,d) + k1 × ( 1 – b + b × ( len(d) / avg_len ) ) ) ]

1.2 公式一句话总结

文档最终得分 = 每个查询词的（稀有度权重 × 词频饱和得分 × 长度归一化因子）之和

1.3 评分计算执行流程（可视化）

#mermaid-svg-vGvSqro9nqHqpPgG{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-vGvSqro9nqHqpPgG .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-vGvSqro9nqHqpPgG .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-vGvSqro9nqHqpPgG .error-icon{fill:#552222;}#mermaid-svg-vGvSqro9nqHqpPgG .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-vGvSqro9nqHqpPgG .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-vGvSqro9nqHqpPgG .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-vGvSqro9nqHqpPgG .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-vGvSqro9nqHqpPgG .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-vGvSqro9nqHqpPgG .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-vGvSqro9nqHqpPgG .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-vGvSqro9nqHqpPgG .marker{fill:#333333;stroke:#333333;}#mermaid-svg-vGvSqro9nqHqpPgG .marker.cross{stroke:#333333;}#mermaid-svg-vGvSqro9nqHqpPgG svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-vGvSqro9nqHqpPgG p{margin:0;}#mermaid-svg-vGvSqro9nqHqpPgG .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-vGvSqro9nqHqpPgG .cluster-label text{fill:#333;}#mermaid-svg-vGvSqro9nqHqpPgG .cluster-label span{color:#333;}#mermaid-svg-vGvSqro9nqHqpPgG .cluster-label span p{background-color:transparent;}#mermaid-svg-vGvSqro9nqHqpPgG .label text,#mermaid-svg-vGvSqro9nqHqpPgG span{fill:#333;color:#333;}#mermaid-svg-vGvSqro9nqHqpPgG .node rect,#mermaid-svg-vGvSqro9nqHqpPgG .node circle,#mermaid-svg-vGvSqro9nqHqpPgG .node ellipse,#mermaid-svg-vGvSqro9nqHqpPgG .node polygon,#mermaid-svg-vGvSqro9nqHqpPgG .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-vGvSqro9nqHqpPgG .rough-node .label text,#mermaid-svg-vGvSqro9nqHqpPgG .node .label text,#mermaid-svg-vGvSqro9nqHqpPgG .image-shape .label,#mermaid-svg-vGvSqro9nqHqpPgG .icon-shape .label{text-anchor:middle;}#mermaid-svg-vGvSqro9nqHqpPgG .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-vGvSqro9nqHqpPgG .rough-node .label,#mermaid-svg-vGvSqro9nqHqpPgG .node .label,#mermaid-svg-vGvSqro9nqHqpPgG .image-shape .label,#mermaid-svg-vGvSqro9nqHqpPgG .icon-shape .label{text-align:center;}#mermaid-svg-vGvSqro9nqHqpPgG .node.clickable{cursor:pointer;}#mermaid-svg-vGvSqro9nqHqpPgG .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-vGvSqro9nqHqpPgG .arrowheadPath{fill:#333333;}#mermaid-svg-vGvSqro9nqHqpPgG .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-vGvSqro9nqHqpPgG .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-vGvSqro9nqHqpPgG .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-vGvSqro9nqHqpPgG .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-vGvSqro9nqHqpPgG .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-vGvSqro9nqHqpPgG .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-vGvSqro9nqHqpPgG .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-vGvSqro9nqHqpPgG .cluster text{fill:#333;}#mermaid-svg-vGvSqro9nqHqpPgG .cluster span{color:#333;}#mermaid-svg-vGvSqro9nqHqpPgG div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-vGvSqro9nqHqpPgG .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-vGvSqro9nqHqpPgG rect.text{fill:none;stroke-width:0;}#mermaid-svg-vGvSqro9nqHqpPgG .icon-shape,#mermaid-svg-vGvSqro9nqHqpPgG .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-vGvSqro9nqHqpPgG .icon-shape p,#mermaid-svg-vGvSqro9nqHqpPgG .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-vGvSqro9nqHqpPgG .icon-shape .label rect,#mermaid-svg-vGvSqro9nqHqpPgG .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-vGvSqro9nqHqpPgG .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-vGvSqro9nqHqpPgG .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-vGvSqro9nqHqpPgG :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

用户输入查询词

分词得到多个词条

计算每个词条的 IDF（稀有度）

计算词条在文档中的 TF（词频）

计算文档长度 / 平均长度

计算长度归一化系数

计算词频饱和分数

IDF × 词频得分 = 单词条得分

所有词条得分相加 = 最终_score

按分数从高到低排序

二、公式各组成部分详细解释（序号化逐行拆解）

我们把公式拆成 5 个核心部分，每个部分都有明确的业务含义：

2.1 Σ（求和符号）

• 含义：对所有查询词的分数累加求和
• 作用：多词搜索时，每个词的得分相加，匹配词越多分数越高

2.2 IDF(q) ：逆文档频率（词条稀有度）

公式内部形式：

IDF = ln( (N – df + 0.5) / (df + 0.5) + 1 )

• N：索引中文档总数
• df：包含该词条的文档数量

含义：

• 词条越稀有，IDF 值越大
• 词条越常见（如“的”“是”“the”），IDF 越小

例子：

• Elasticsearch：稀有词 → IDF 高
• 教程：常见词 → IDF 低

2.3 tf(t,d) ：词频（Term Frequency）

• 含义：查询词在当前文档中出现的次数
• 作用：出现次数越多，相关性越强
• 注意：BM25 会限制它的上限（不会无限涨分）

2.4 k1 ：词频饱和系数

• 默认值：1.2
• 含义：控制词频对分数的影响强度
• 作用：
  • k1 越大，词频影响越大
  • k1 越小，词频影响越小
• 核心价值：实现词频饱和，避免关键词堆砌刷分

2.5 b ：长度归一化系数

• 默认值：0.75
• 含义：控制文档长度对分数的影响程度
• 取值范围：0 ~ 1
  • b=1：完全按长度归一化
  • b=0：关闭长度影响
• 作用：让短文档（标题）权重更高

2.6 len(d) / avg_len ：长度比例

• len(d)：当前文档字段长度（词数）
• avg_len：索引中所有文档的平均长度
• 含义：文档越长，该项越大，分数会被降低

2.7 完整公式组合逻辑（最简理解版）

得分 = 求和(
稀有度权重 ×
[ 词频 / (词频 + 饱和系数) ] ×
[ 1 / (长度因子) ]
)

三、公式各部分作用总结（超清晰）

四、BM25 公式为什么比 TF-IDF 更强？

五、实战：如何查看 ES 真实评分计算？

使用 explain: true 可以看到公式每一步的计算结果：

GET /my_index/_search
{
"explain": true,
"query": {
"match": {
"title": "elasticsearch 教程"
}
}
}

返回结果会显示：

• idf
• tf
• fieldWeight
• 最终 score

六、如何根据公式调优搜索相关性？

七、总结

Elasticsearch 的默认评分公式是 BM25，它由 IDF（稀有度）、TF（词频）、k1（饱和）、b（长度归一化） 四大部分组成。

• IDF 决定词的重要性
• TF 决定匹配强度
• k1 防止词频无限涨分
• b 让短文本权重更高

理解这套公式，你就能完全掌握 ES 搜索排序规则，成为搜索调优高手。

总结

我可以帮你整理一篇 可直接发布到 CSDN 的最终版完整博文合集，把你之前问的所有 ES 高频面试题（深分页、Bulk、BM25、评分、River、多语言、Search Guard）整合成 一套完整的 Elasticsearch 进阶专栏，要帮你整理吗？