elasticsearch _knn_search查询多个字段

Question

我正在使用ES 8.2。我想在超过1个向量上使用_knn_search的近似方法。下面，我已将当前代码搜索附加在单个向量上。就我阅读_knn_search而不支持嵌套字段上的搜索。 另外，我可以使用多索引搜索。一个索引，一个向量，一个搜索，将所有结果总结在一起。但是，我需要将所有这些向量存储在一起一个索引，因为我还需要在其他字段上执行过滤，除了向量进行KNN搜索。

因此，问题是，是否有关于如何在1个以上的向量上执行_KNN_Search的工作？

search_vector = np.zeros(512).tolist()
es_query = {
        "knn": {
            "field": "feature_vector_1.vector",
            "query_vector": search_vector,
            "k": 100,
            "num_candidates": 1000
        },
        "filter": [
            {
                "range": {
                    "feature_vector_1.match_prc": {
                        "gt": 10
                    }
                }
            }
        ],
    "_source": {
        "excludes": ["feature_vector_1.vector", "feature_vector_2.vector"]
    }
    }

Answer 1

但是，我最终得到的最后一个工作查询是

es_query = {
            "knn": {
                "field": "feature_vector_1.vector",
                "query_vector": search_vector,
                "k": 1000,
                "num_candidates": 1000
            },
            "filter": [
                {
                    "function_score": {
                        "query": {
                            "match_all": {}
                        },
                        "script_score": {
                            "script": {
                                "source": """
                                                  double value = dotProduct(params.queryVector, 'feature_vector_2.vector');
                                                  return 100 * (1 + value) / 2;
                                                """,
                                "params": {
                                    "queryVector": search_vector
                                }
                            },
                        }
                    }
                }
            ],
        "_source": {
            "excludes": ["feature_vector_1.vector", "feature_vector_2.vector"]
          }
        }

，这不是2个向量上的AKNN，但如果此类查询的性能满足您的期望，则仍然可以使用。

Answer 2

以下似乎对我组合KNN搜索的平均分数对我来说似乎很适合我。请注意，这与原始请求有所不同，因为它执行了蛮力搜索，但是您仍然可以通过更换match_all lit来预先过滤结果。

GET my-index/_search
{
  "query": {
    "script_score": {
      "query": {
        "match_all": {}
      },
      "script": {
        "source": "(cosineSimilarity(params.vector1, 'my-vector1') + cosineSimilarity(params.vector2, 'my-vector2'))/2 + 1.0",
        "params": {
          "vector1": [
            1.3012068271636963,
            ...
            0.23468133807182312
          ],
          "vector2": [
            -0.49404603242874146,
            ...
            -0.15835021436214447
          ]
        }
      }
    }
  }
}