Elasticsearch提升权重boost

　　查询语句提升权重
　　当然bool查询不仅限于组合简单的单个词match查询，它可以组合任意其他的查询，以及其他bool查询。普遍的用法是通过汇总多个独立查询的分数，从而达到为每个文档微调其相关度评分score的目的。
　　假设想要查询关于fulltextsearch（全文搜索）的文档，但我们希望为提及Elasticsearch或Lucene的文档给予更高的权重，这里更高权重是指如果文档中出现Elasticsearch或Lucene，它们会比没有的出现这些词的文档获得更高的相关度评分score，也就是说，它们会出现在结果集的更上面。
　　一个简单的bool查询允许我们写出如下这种非常复杂的逻辑：GETsearch｛query：｛bool：｛must：｛match：｛content：｛query：fulltextsearch，operator：and｝｝｝，should：〔｛match：｛content：Elasticsearch｝｝，｛match：｛content：Lucene｝｝〕｝｝｝
　　content字段必须包含full、text和search所有三个词。
　　如果content字段也包含Elasticsearch或Lucene，文档会获得更高的评分score。
　　should语句匹配得越多表示文档的相关度越高。目前为止还挺好。
　　但是如果我们想让包含Lucene的有更高的权重，并且包含Elasticsearch的语句比Lucene的权重更高，该如何处理？
　　我们可以通过指定boost来控制任何查询语句的相对的权重，boost的默认值为1，大于1会提升一个语句的相对权重。所以下面重写之前的查询：GETsearch｛query：｛bool：｛must：｛match：｛content：｛query：fulltextsearch，operator：and｝｝｝，should：〔｛match：｛content：｛query：Elasticsearch，boost：3｝｝｝，｛match：｛content：｛query：Lucene，boost：2｝｝｝〕｝｝｝
　　boost参数被用来提升一个语句的相对权重（boost值大于1）或降低相对权重（boost值处于0到1之间），但是这种提升或降低并不是线性的，换句话说，如果一个boost值为2，并不能获得两倍的评分score。
　　相反，新的评分score会在应用权重提升之后被归一化，每种类型的查询都有自己的归一算法，细节超出了本书的范围，所以不作介绍。简单的说，更高的boost值为我们带来更高的评分score。
　　如果不基于TFIDF要实现自己的评分模型，我们就需要对权重提升的过程能有更多控制，可以使用functionscore查询操纵一个文档的权重提升方式而跳过归一化这一步骤。