使用ElasticSearch完成大模型+本地知识库：BM25+Embedding模型+Learned Sparse Encoder 新特性

在ElasticSearch中，我们可以使用BM25来进行相关性评分，并结合嵌入模型（如transformers）来改善搜索结果。以下是一个简化的例子，展示如何在ElasticSearch中集成BM25和嵌入模型。

首先，你需要一个ElasticSearch集群，并确保你的文档包含两部分信息：基本信息和文本信息。

{
  "title": "文档标题",
  "content": "文档内容",
  "embedding": [0.1, 0.2, ...]  // 文档的嵌入向量
}

然后，你可以在ElasticSearch的设置中使用BM25，并使用嵌入模型的输出作为相关性评分的一部分。

PUT /my_index
{
  "settings": {
    "index": {
      "similarity": {
        "my_similarity": {
          "type": "BM25",
          "k1": 1.2,
          "b": 0.75
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "similarity": "my_similarity"
      },
      "content": {
        "type": "text",
        "similarity": "my_similarity"
      },
      "embedding": {
        "type": "dense_vector",
        "dims": 100  // 嵌入向量的维度
      }
    }
  }
}

在查询时，你可以结合BM25得分和嵌入向量得分：

GET /my_index/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "content": "查询内容"
        }
      },
      "functions": [
        {
          "script_score": {
            "script": {
              "source": "cosineSimilarity(params.query_vector, 'embedding') + params.bm25_score",
              "params": {
                "query_vector": [0.1, 0.2, ...]  // 查询的嵌入向量
              }
            }
          }
        }
      ],
      "boost_mode": "sum"
    }
  }
}

在这个例子中，我们定义了一个my_similarity的相似性评分，它使用了BM25公式。在查询时，我们使用了ElasticSearch的函数查询功能，结合了BM25得分和基于余弦相似度的嵌入向量得分。这样可以更好地结合传统搜索和深度学习的结果。