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：

​