Elasticsearch 中的位向量

在Elasticsearch中，位向量是一种特殊的数据类型，用于存储布尔值（0或1）的数组，其中每个位表示文档中是否存在某个词。位向量通常用于快速计算文档之间的相似度（如余弦相似度）。

位向量可以在Elasticsearch中通过mappings定义，例如：

PUT my_index
{
  "mappings": {
    "properties": {
      "my_vector": {
        "type": "binary",
        "doc_values": true
      }
    }
  }
}

在上面的例子中，我们创建了一个名为my_index的索引，并定义了一个名为my_vector的位向量字段。

要索引包含位向量的文档，可以使用如下方式：

POST my_index/_doc/1
{
  "my_vector": "1110"  // 表示三个词存在，第四个词不存在
}

在查询时，可以使用script_score查询来计算查询向量与文档向量之间的余弦相似度：

GET my_index/_search
{
  "query": {
    "script_score": {
      "query": {
        "match_all": {}
      },
      "script": {
        "source": "cosineSimilarity(params.query_vector, 'my_vector')",
        "params": {
          "query_vector": [1, 0, 1, 1]  // 查询向量
        }
      }
    }
  }
}

在上面的查询中，我们使用script_score查询计算每个文档和查询向量的余弦相似度。my_vector是索引中每个文档的位向量字段，query_vector是执行查询时使用的位向量。