：tag_match

兼有功能及特徵函數的功能，可以同時在filter、sort及formula運算式中使用。

其中函數參數出現的文檔欄位需根據對應函數文檔提示，建立為索引或屬性.

1.情境概述：

涉及query和文檔匹配的很多需求都可以使用或者轉化為tag_match來滿足,對實現搜尋個人化需求尤其有用。例如優先出現使用者點贊過的店鋪，優先展現使用者喜歡的體育和娛樂類新聞等。tag_match最基本的功能是在文檔的某個ARRAY欄位中儲存一系列的key-value資訊。然後在查詢query中通過kvpairs子句傳遞對應的key-value資訊，tag_match就會去文檔中尋找查詢query中的key, 然後為每個匹配的key計算得到一個分數，再合并所有匹配的key的分數得到一個最終分。這個結果就可以用來做算分加權或者過濾。

計算過程如下：

2.詳細用法：

常見用法：

tag_match(query_key, doc_field, kv_op, merge_op)

進階用法：

tag_match(query_key, doc_field, kv_op, merge_op, has_default, doc_kv, max_kv_count)

3.參數：

• query_key：指定查詢語句中用於匹配的欄位key-value值，該欄位需要通過kvpairs子句傳遞，key與value通過英文等號‘=’分隔，多個key-value通過英文冒號‘：’分隔，如： kvpairs=query_tags:10=0.67:960=0.85:1=48//表示參數query_tags中包含3個元素：10、960、1，其對應的value分別是：0.67、0.85、48。其中query也可以只為key的列表，如：kvpairs=cats:10:960:1。

• doc_field：指定文檔中儲存key-value的欄位名，該欄位只支援整型【int_array】或者浮點型【float_array,double_array】數組欄位類型（如果是浮點型數組欄位類型，則key的值匹配的時強轉當int64來處理）。數組的奇數位置是key，下一個相鄰的偶數位置為key的value。即 [key0 value0 key1 value1 …]

• kv_op：當query_key中的值與doc_field中的key匹配時對二者的value所採取的操作，目前支援的操作符如下：max（最大值）、min（最小值）、sum（求和）、avg（平均數）、mul（乘積）、query_value（query_key中該key對應的value值）、doc_value（文檔中該key對應的value值）、number（常數）。

• merge_op：多個key匹配後會產生多個結果，merge_op指定了將這些結果進行如何操作，目前支援的操作類型如下：max（最大值）、min（最小值）、sum（求和）、avg（平均值）、first_match（取第一個kv_op的計算結果，忽略其他結果）。

• has_default：預設是false，表示不啟動初始分值；為true時說明doc_field的第一個值為預設值，[init_score k0 v0 k1 v1…]。（類似base分值的概念）

• doc_kv：預設是true。表明doc_field欄位中的值是以key-value對的形式存在；為false則表示doc_field中只包含key資訊。

• max_kv_count：因為查詢中的key-value結構需要通過query傳遞，所有tag_match對query中能傳遞多少key-value有限制。預設為50，可以通過這個參數將這個限制調大，但是最大不能超過5120。

4.傳回值：

double，返回具體的分值，如果has_default為false並且沒有配額的內容則為0.如果需要返回int64的結果，需要使用int_tag_match，該函數功能與參數與int_tag_match完全一致，但int_tag_match不能在排序運算式中使用。

5.適用情境

情境1：一個大型的綜合性論壇，文章可以被打上各種各樣的標籤（搞笑，體育，新聞，音樂，科普..）。我們在推送給OpenSearch的文檔中，可以為每個標籤賦予一個標籤id（例如搞笑-1， 體育-5， 新聞-3， 音樂-6..), 然後通過一個tag欄位儲存這些標籤。 如果我們對文章做過預先處理，甚至能得到每個文章每個標籤的權重，例如一個搞笑體育新聞的文章可以得到搞笑的權重為0.5，體育的權重為0.5，新聞權重為0.1，則這個文章的tag欄位的值為[1 0.5 5 0.5 3 0.1]對會員使用者，通過長時間的積累，我們能獲知每個使用者的興趣標籤。

例如使用者nba_fans對體育和搞笑高度興趣，他對應的體育和搞笑標籤的權重分別為0.6和0.3。那麼這個使用者查詢時，我們就可以通過kv_pairs子句把這個資訊加到query裡面。假如這個kv_pairs子句名字為user_tag, 那麼nba_fans的user_tag的值5=0.6:1=0.3。這樣，我們只要在精排運算式中配置了tag_match(user_tag, tag, mul, sum), 我們就能夠實現對使用者感興趣的文章加權，把使用者更感興趣的文章排到前面。

例如nba_fans搜尋到上面那個文章時，搞笑和體育這兩個標籤能夠匹配到。通過指定kv_op參數為mul，我們會把query和doc中的值相乘，他們各自的計算分數分別為（體育：0.5 * 0.6 = 0.3, 搞笑：0.5 * 0.3 = 0.15)。通過指定merge_op參數為sum，我們會把體育和搞笑的分數加和（0.3+0.15 = 0.45），這個加和的分數會加到最終的排序分數上。這樣，我們就能夠實現了對這個使用者感興趣文章的排序加權。

情境2：

商品可以具有多個屬性標籤，如1表示年輕人（年齡）、2表示中年人（年齡）、3表示小清新（風格）、4表示時尚（風格）、5表示女性（性別）、6表示男性（性別）等。

假設我們只想表示商品有沒有某個標籤，不想區分哪個標籤更重要。這個標籤通過options欄位來儲存。那麼年輕時尚女性的衣服的options欄位可以表示為[1 4 5], 注意這裡只有標籤key，沒有value。使用者也都有自己的屬性標籤，和商品標籤對應。例如年輕女性使用者，歷史成交中多購買小清新風格衣服。這該使用者的查詢可以寫為user_options=1:3:5。注意這裡kv_pair中也是只有標籤key，沒有value的。

要實現對符合使用者標籤喜好的商品加權，我們可以在formula中使用tag_match(user_options, options, 10, sum, false, false)。這裡我們通過user_options和options指定了query和doc的標籤資訊。kv_op設為常數10，表示只要有標籤匹配到，那麼匹配的計算結果就是10。has_default為false，表示我們不需要初始值。doc_kv為false，表示我們doc中只儲存了key資訊，沒有value。

這樣，上面的年輕女使用者查詢到上面的衣服時，女性和年輕兩個標籤能夠匹配上，這兩個標籤的計算結果都是10。通過sum這個merge_op，能夠得到這件商品的最終加權分數為20。通過這種方式，即使我們沒有標籤的權重資訊，也能夠實現對匹配到的文檔做排序加權。

• 函數參數依賴欄位需建立為屬性

• 如果是用在filter或者sort子句中，則query_key、kv_op、merge_op、has_default、doc_kv必須使用雙引號括起來，如：sort=-tag_match(“user_options”, options, “mul”, “sum”, “false”, “true”, 100)。

• tag_match的key匹配都是通過整數比較來完成的。因此query和doc中的key都應該轉換為整數形式，如果是浮點類型，tag_match在比較時，會強制轉換為整數類型。

假設文檔內容共有如下10類型的標籤：

1-財經
2-科技
3-體育
4-娛樂
5-時尚
6-教育
7-旅遊
8-遊戲
9-科普
10-醫學

案例1：關鍵詞相同，但是標籤不同的title：

如上圖所示，搜尋“吃雞”出現兩篇doc，但是二者的類型不同，分別是1-財經、8-遊戲，如果想將“遊戲”標籤的文檔在前面展示，可設定tag_match函數，以下分別示範配置在排序運算式和sort子句中的方法：

kvpairs：type:8
排序運算式：tag_match(type, type_arr, 10, max,false,false) 
sort子句：tag_match("type", type_arr, 10, "max","false","false")

排序運算式展示的結果：sort子句展示的結果：

案例2：多標籤綜合得分展示（可針對使用者的個人化推薦）

如圖，在一級標籤相同的情況下，需要匹配二級標籤的得分，以下分別示範配置在排序運算式和sort子句中的方法：

kvpairs：type:3=2:10=1
排序運算式：tag_match(type, type_arr, 10, sum,false,true) 
sort子句：tag_match("type", type_arr, 10, "sum","false","true")

案例3：多標籤同類型，不同得分

如圖，紅框展示的內容，都同屬於同樣的標籤，但是每個標籤的打分不同，以下分別示範配置在排序運算式和sort子句中的方法：

kvpairs：type:3=2:9=2
排序運算式：tag_match(type, type_arr, sum, sum,false,true) 
sort子句：tag_match("type", type_arr, "sum", "sum","false","true")