{
"query": {
"function_score": {
"functions": [
{
"script_score": {
"params": {
"param1": 0.3,
"param2": 0.5,
"param3": 0.2
},
"script": "_score *param1+ doc['d1'].value * param2 + doc['b1'].value * param23"
}
}
],
"query": {
"match": {
"brief": "智能"
}
},
"score_mode": "first"
}
}
}

解释:
_score 就是es对doc的打分，d1和bi需要是数值类型。param1，2，3可以不用赋值的形式，直接写在script里面也可以。

官方文档在这里：
http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/query-dsl-function-score-query.html

elasticsearch的排序可以分为两种

一种是文本相似度排序，基于TF-IDF 和SVM，就是词频权重和空间向量模型。分词之后，就按照分词的打分的结果来排序，当然就不是简单的abcd了，而且空间向量的关系来打分了。

可以看看lucene的打分公式。关于lucene，[觉先的源码分析](http://www.cnblogs.com/forfuture1978/archive/2010/06/13/1757479.html)不错，你可以看看

一种是自定义排序，完全按照用户定义的公式来排序，elasticsearch现在提供了script功能，能相当方便的定制想要的打分公式，可以看看下面的链接
[自定义打分公式](http://elasticsearch.cn/?/question/12)

还有纳兰琴的 [es源码分析](http://my.oschina.net/naqin)