注：案例测试数据及其索引构建详见：ElasticSearch中使用bge-large-zh-v1.5进行向量检索（一）-CSDN博客 中的第三部分。
假设任务场景为：用“新疆”向量检索相关的数据，同时需要匹配关键词“巴州”。
首先获取“新疆”的bge-large-zh-v1.5向量：
POST _ml/trained_models/bge-large-zh-v1.5/_infer
{
"docs": [
{
"text_field": "新疆"
}
]
}结果如下：
直接根据“新疆”向量查询
GET article_embeddings/_search
{
"query": {
"knn": {
"field": "text_embedding.predicted_value",
"num_candidates": 10,
"query_vector": [
-0.03627504035830498,
-0.007771393284201622,
0.036312565207481384,
此处省略若干值
]
}
}
}
默认返回所有的数据，且编号002的文档排在003前面。
如果我们想让包含关键词“巴州”的003文档排在002的前面，可以采用加filter的方式：
编写相应语句：
GET article_embeddings/_search
{
"knn": {
"field": "text_embedding.predicted_value",
"num_candidates": 10,
"filter": {
"match": {
"title": "巴州"
}
},
"query_vector": [
-0.03627504035830498,
-0.007771393284201622,
0.036312565207481384,
此处省略若干值
]
}
}
结果如下：
此时发现最终只剩一条满足title中有“巴州”的文档了。
如果只是想把含有“巴州”的文档提前，不过滤，则可以采用如下的方式：
GET article_embeddings/_search
{
"query": {
"match": {
"title": "巴州"
}
},
"knn": {
"field": "text_embedding.predicted_value",
"num_candidates": 10,
"query_vector": [
-0.03627504035830498,
-0.007771393284201622,
0.036312565207481384,
此处省略若干值
]
}
}
效果如下：
