Elasticsearch 거리 기반 가중치로 검색 랭킹 최적화하기
8
AI 요약
이 글은 AI가 원문을 분석하여 핵심 내용을 요약한 것입니다.
이 게시물은 Elasticsearch로 거리 기반 가중치를 랭킹에 적용하는 방법을 다룹니다.
핵심
- 좌표 기반 검색: 반경 검색과 폴리곤 검색을 통한 지도 기반 검색 동작
- 구간별 weight 적용: geo_distance와 function_score로 Zone A/B/D에 가중치 부여 예시
- 구간 방식의 단점: 경계에서 급격한 점수 변화 발생
- decay 함수 활용: gauss/exp로 점진적 감소, origin·scale·offset으로 제어
- 주의사항: decay 곱연산 시 멀리 있는 문서는 기존 랭킹 무시될 수 있음
