在 Elasticsearch 中计算相关性评分与 Couchbase 有何不同？
How does calculating relevance scoring in Elasticsearch differ from Couchbase?
请问elasticsearch 的relevance score 和couchbase 有区别吗？
根据 this 2019 couchbase thread, it looks like they are still using the tf/idf for scoring, while Elasticsearch used to have the same algorithm but now moved to BM25 algorithm for score calculation from 5.0.
注意：TF/IDF是一种非常流行的计算相关性分数的算法，基于词频和逆向文档频率，而 BM25 是最新的 基于概率 可以找到关于他们的更多详细信息 here and here。
注意：在问题中，没有提到您比较系统相关性的目的是什么，我的两分钱是，如果您正在构建一个成熟的搜索系统并且相关性对您很重要，那么您应该选择Elasticseaech，它的主要功能是搜索，在选择不同的算法和不同的方式来定义评分机制方面有很大的灵活性，这在Couchbase这样的NoSQL解决方案中是不存在的。
请问elasticsearch 的relevance score 和couchbase 有区别吗？
根据 this 2019 couchbase thread, it looks like they are still using the tf/idf for scoring, while Elasticsearch used to have the same algorithm but now moved to BM25 algorithm for score calculation from 5.0.
注意：TF/IDF是一种非常流行的计算相关性分数的算法，基于词频和逆向文档频率，而 BM25 是最新的 基于概率 可以找到关于他们的更多详细信息 here and here。
注意：在问题中，没有提到您比较系统相关性的目的是什么，我的两分钱是，如果您正在构建一个成熟的搜索系统并且相关性对您很重要，那么您应该选择Elasticseaech，它的主要功能是搜索，在选择不同的算法和不同的方式来定义评分机制方面有很大的灵活性，这在Couchbase这样的NoSQL解决方案中是不存在的。