当前位置: 首页 > news >正文

3.6 Elasticsearch-深度学习排序:Learning to Rank 插件安装与特征工程

3.6 Elasticsearch-深度学习排序:Learning to Rank 插件安装与特征工程

3.6.1 为什么要在 Elasticsearch 里做 Learning to Rank

传统 TF-IDF、BM25 这类词袋评分函数在长尾查询、语义漂移、多字段混合场景下很快遇到天花板。把深度学习模型直接丢进离线打分再灌回 ES 虽然简单,但延迟高、实时性差。Elasticsearch Learning to Rank(LTR)插件把「特征抽取 → 模型推理 → 结果重排序」整条链路搬到 ES 内部,毫秒级响应,同时保留倒排索引的召回优势,是工业界「粗排+精排」架构的标配。

3.6.2 插件版本对齐矩阵
ElasticsearchLTR 插件JDKPython 客户端
7.17.x7.17.0.011elasticsearch-ltr 1.3
8.11.x8.11.0.017elasticsearch-ltr 2.1

8.x 开始官方把transport-client完全移除,必须用 REST 低级客户端上传模型。

3.6.3 在线安装与集群滚动重启
  1. 每台 node 执行
    sudobin/elasticsearch-plugininstall\https://github.com/o19s/elasticsearch-learning-to-rank/releases/download/v8.11.0.0/ltr-8.11.0.0.zip
  2. 校验
    curl-XGET"localhost:9200/_ltr"|jq'.version'
  3. 滚动重启:每台 node 先/_cluster/nodes/_local/_shutdown等分片重分配完成再启下一台,保证绿色状态。
3.6.4 特征工程:从倒排到深度语义

LTR 把特征分成三类:

  • Query Feature:仅与查询相关,如查询长度、是否含品牌词。
  • Document Feature:仅与文档相关,如商品销量、发布时间。
  • Query-Document Feature:交叉特征,占模型 80% 以上权重。

下面给出电商搜索场景 18 维特征模板,可直接拷贝到ltr_feature_set.json

{"name":"ecommerce_features","params":["keywords"],"feature":[{"name":"title_bm25","class":"org.apache.lucene.search.Explanation","query":{"match":{"title":"{{keywords}}"}}},{"name":"category_match","class":"org.apache.lucene.search.Explanation","query":{"term":{"category":"{{keywords}}"}}},{"name":"brand_exact","class":"org.apache.lucene.search.Explanation","query":{"term":{"brand.keyword":"{{keywords}}"}}},{"name":"sales","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"field_value_factor":{"field":"sales","modifier":"log1p"}}}},{"name":"price","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"field_value_factor":{"field":"price"}}}},{"name":"in_stock","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"filter":{"term":{"stock":true}},"weight":1}}},{"name":"discount","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"script_score":{"script":{"source":"Math.max(0.0, doc['marketPrice'].value - doc['price'].value) / doc['marketPrice'].value"}}}}},{"name":"title_length","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"script_score":{"script":{"source":"doc['title'].value.length()"}}}}},{"name":"query_length","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"script_score":{"script":{"source":"params._source.query.length()"}}}}},{"name":"title_embedding_dot","class":"org.apache.lucene.search.Explanation","query":{"script_score":{"script":{"source":"cosineSimilarity(params.queryVector, 'title_vector') + 1.0","params":{"queryVector":"{{query_vector}}"}}}}},{"name":"desc_embedding_dot","class":"org.apache.lucene.search.Explanation","query":{"script_score":{"script":{"source":"cosineSimilarity(params.queryVector, 'desc_vector') + 1.0","params":{"queryVector":"{{query_vector}}"}}}}},{"name":"recall_score","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"script_score":{"script":{"source":"_score"}}}}},{"name":"click_ctr","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"field_value_factor":{"field":"click_ctr","modifier":"log1p"}}}},{"name":"cart_ctr","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"field_value_factor":{"field":"cart_ctr","modifier":"log1p"}}}},{"name":"pay_ctr","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"field_value_factor":{"field":"pay_ctr","modifier":"log1p"}}}},{"name":"freshness","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"script_score":{"script":{"source":"Math.max(0, (params.now - doc['createTime'].value.getMillis()) / 86400000)","params":{"now":"{{now}}"}}}}}},{"name":"query_doc_jaccard","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"script_score":{"script":{"source":"double q = params.queryTerms.size(); double d = doc['title_terms'].size(); double i = 0; for (term in params.queryTerms) { if (doc['title_terms'].contains(term)) i++; } return i / (q + d - i + 1e-6);","params":{"queryTerms":"{{query_terms}}"}}}}}},{"name":"is_promotion","class":"org.apache.lucene.search.Explanation","query":{"function_score":{"filter":{"range":{"promotionStart":{"lte":"now"},"promotionEnd":{"gte":"now"}}},"weight":1}}}]}

上传命令:

curl-XPUT"localhost:9200/_ltr/_featureset/ecommerce_features"\-H'Content-Type: application/json'--data @ltr_feature_set.json
3.6.5 深度语义特征实时注入

title_embedding_dot依赖向量字段,需要在 mapping 里显式声明:

"title_vector":{"type":"dense_vector","dims":384,"similarity":"cosine"}

查询时把离线微调的 MiniLM 向量作为query_vector参数传进来即可,无需二次分词,延迟 <5 ms。

3.6.6 特征日志采样与存储

训练数据通过sltr查询生成,样例:

GET/products/_search{"query":{"match":{"title":"iphone 15"}},"rescore":{"window_size":100,"query":{"rescore_query":{"sltr":{"params":{"keywords":"iphone 15","query_vector":[...],"now":1700000000000},"featureset":"ecommerce_features","store":true,"logging":true}}}}}

ES 会把 18 维特征值写入.ltrstore索引,字段_ltrlog可直接拉下来做 LibSVM 格式转换:

curl-XGET"localhost:9200/.ltrstore/_search?q=_ltrlog:*"\|jq -r'.hits.hits[]._source._ltrlog'>train.svmlight
3.6.7 模型训练与上传

XGBoost 示例:

importxgboostasxgb dtrain=xgb.DMatrix('train.svmlight')params={'objective':'rank:pairwise','eta':0.1,'max_depth':6}bst=xgb.train(params,dtrain,num_boost_round=300)bst.save_model('xgb_model.json')

上传:

curl-XPUT"localhost:9200/_ltr/_model/xgb_model"\-H'Content-Type: application/json'\--data-binary @xgb_model.json
3.6.8 线上 A/B:粗排 + LTR 精排
"rescore":{"window_size":200,"query":{"rescore_query":{"sltr":{"model":"xgb_model","params":{"keywords":"{{keywords}}","query_vector":"{{query_vector}}","now":"{{now}}"}}},"query_weight":0,"rescore_query_weight":1}}

window_size决定粗排截断位置,线上实验表明 200 条召回再精排,点击收益 +8.7%,P99 延迟仅增加 12 ms。

3.6.9 性能调优清单
  1. 特征缓存:把sales、price等静态特征拆到function_scoreweight里,ES 会缓存 DocValues,避免重复计算。
  2. 向量量化:384 维 float32 → 8 位整型,内存降 4 倍,精度下降 <0.5%。
  3. 线程池隔离:给searchml.utility单独线程池,防止大促期间互相挤占。
  4. 模型热更新:利用_ltr/_model/{name}/_update接口,灰度 5% 节点先加载,QPS 无抖动。
3.6.10 常见坑
  • 8.x 以后rank_evalAPI 默认跳过 rescore,需要显式加?search_type=dfs_query_then_fetch
  • dense_vector字段不支持doc_values,做特征日志时务必用store: true把向量存_source,否则拉不到值。
  • 若用rank:ndcg训练,上传模型前把 XGBoost 的base_score置 0,不然 ES 会多累加一次偏置,导致打分整体漂移。

至此,Elasticsearch 侧的深度学习排序链路全部打通:插件安装 → 特征工程 → 模型训练 → 线上热加载 → A/B 实验。下一节将介绍如何把用户实时行为流(点击、加购、支付)通过 Flink CEP 拼接成样本,实现「模型日更」的闭环。
更多技术文章见公众号: 大城市小农民

http://www.cnnetsun.cn/news/35308.html

相关文章:

  • Leetcode 剑指 Offer II 154. 复杂链表的复制
  • 为什么这家医院的AI系统能像专家会诊一样精准诊断?
  • 通配*|滚动hash
  • FBCTF平台管理终极指南:从零搭建到高效运营的完整攻略
  • 57、Python网络编程:客户端模块与URL访问
  • 61、Python CGI编程与替代方案全解析
  • Blender UI组件完整教程:从入门到精通打造专业3D界面
  • 3分钟快速安装Kali:虚拟机方案全解析
  • vue基于Spring Boot的旅游服务系统盘锦文旅系统设计与实现_6gvm8m81-java毕业设计
  • 5分钟解锁机械臂智能控制:从零到精通的AI实践指南
  • vue基于Spring Boot的自助点餐系统_z09ak8v7-java毕业设计
  • 5分钟掌握Papirus符号链接生成器:Linux图标管理终极指南
  • U-2-Net实战指南:打造智能图像分割利器
  • MySQL 知识点复习- 6. inner/right/left join
  • 对比传统方法:AI如何更高效解决wsappx资源问题
  • Netty入门指南:5分钟搭建你的第一个网络应用
  • 欧拉筛选法求质数的算法解析
  • 15、探索 Red Hat Linux 的实用功能与娱乐体验
  • 基于Simulink仿真的电动汽车模型构建与参数初始化研究
  • JavaScript数组push方法:小白也能懂的入门指南
  • IsaacLab机器人仿真系统实战配置指南:从零到专业部署
  • WeekToDo终极指南:如何快速搭建免费的周计划待办事项应用
  • 25、计算机硬件与Linux文件系统全解析
  • 28、Red Hat Linux 9:软件管理、系统配置与网络安全指南
  • AI如何帮你轻松实现Python包的本地开发模式
  • AI如何帮你快速掌握Netty框架的核心功能
  • Protobuf零基础入门:用快马平台10分钟完成第一个.proto文件
  • 基于SpringBoot的旧物回收商城系统的设计与实现计算机毕业设计项目源码文档
  • python测试1
  • Cloudpods多云管理平台:从零构建企业级混合云解决方案