在 Search Query III 這一篇內有提到可以用 bool query 結合兩個 query，knn 是可以被放在 bool query 內被一起使用的。

GET tmdb_top_rated_movies_e5_small/_search?
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "overview": {
              "query": "黑道",
              "_name": "text"
            }
          }
        },
        {
          "knn": {
            "field": "overview_vector",
            "query_vector": [<the vector>],
            "k": 10,
            "_name": "knn"
          }
        }
      ]
    }
  },
  "_source": false,
  "fields": [
    "title"
  ]
}

在 full-text query 和 knn query 內都有一個欄位是 _name ，這個欄位的功能是替搜尋命名，在搜尋結果就可以看到這筆資料是因為哪一個 query 而被挑出來的，如下的 matched_queires 欄位：

{
  "took": 6,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 148,
      "relation": "eq"
    },
    "max_score": 6.2798615,
    "hits": [
      {
        "_index": "tmdb_top_rated_movies_e5_small",
        "_id": "1422",
        "_score": 6.2798615,
        "fields": {
          "title": [
            "神鬼無間"
          ]
        },
        "matched_queries": [
          "knn",
          "text"
        ]
      },
      ...
    ]
  }
}

這樣確實結合了兩種 query，但其中有一個細節市值得注意的：排序。

這兩種搜尋在計分的方式上差異是很大的： full text search 和 KNN on Vector Search 都會在 search result 中根據 score 排序，在 KNN 的 score 主要是 vector 的 similarity 決定，而在 full-text search 則是 tf-idf 決定。bool_match 會純粹以分數來排序，因此若沒有做任何調整，在大部分狀況下，full-text query 找到的資料排序都會在比較前面（分數比較高），只有少數狀況如搜尋關鍵字沒有出現在資料裡的時候，KNN 的結果才會跳出來。

就算是經過調整（例如設定 boost），在概念上這兩種計分方式得到的數值是真的可以被比較的嗎？

ES 有考量到這個情境，所以提供了 Reciprocal rank fusion (RRF) 的 search 可以使用。

依照官網，RRF 的算法是這樣的：

score = 0.0
for q in queries:
    if d in result(q):
        score += 1.0 / ( k + rank( result(q), d ) )
return score

# where
# k is a ranking constant
# q is a query in the set of queries
# d is a document in the result set of q
# result(q) is the result set of q
# rank( result(q), d ) is d's rank within the result(q) starting from 1

上面的計算過程會針對每一筆資料進行，使用實例來說明：

以下表格是針對 6 筆資料使用 KNN search 和 full-text search 的 rank 和 score

假設 k 是 10。

如果以神隱少女為例，就會是 1 / ( 10 + 2 ) + 1 / ( 10 + 4) = 0.1548

全部算完之後就會再根據這個分數排序一次。

不過這個功能，只有企業版有，所以就沒有辦法 demo 了；我們下一篇見。