部分和完整的短语匹配

Question

说我有句话：“约翰喜欢把他的宠物 lamb 带到他的 Lamborghini Huracan ，而不是他的 Lamborghini Gallardo ”我有一本包含“兰博基尼”，“兰博基尼盖拉多”和“兰博基尼Huracan”的字典。什么是提取大胆术语的好方法，实现术语“兰博基尼盖拉多”和“兰博基尼Huracan”作为短语匹配，以及其他部分匹配“兰博基尼”和“羔羊”？优先使用短语匹配单个关键字。

弹性搜索提供精确的术语匹配，匹配短语和部分匹配。确切的术语显然在这里不起作用，并且既不匹配短语，因为在这种情况下整个句子被认为是短语。如果我只在句子中使用了感兴趣的关键词，我认为部分匹配是合适的。通过以前的SO线程，我发现proximity for relevance看似相关，但不确定这是否是“最佳选择”，因为需要设置阈值。或者即使有比弹性搜索更简单/更好的替代方案（对于全文搜索而言似乎更多，而不是简单的关键字匹配到数据库）？

Answer 1

听起来您希望使用受控词汇（您的行业术语和词组词典）从您的文档中执行关键词提取。

[上面用斜体字表示帮助您在SO和Google上找到相关答案]

这种级别的分析会使您从搜索堆栈中稍微进入自然语言处理堆栈。由于NLP往往是资源密集型的，因此它倾向于在索引时离线或在搜索应用程序的情况下进行。

要实现这一点，您需要：

1. 将关键短语提取工具集成到搜索索引代码中，以生成每个文档的已识别关键短语列表。
2. 将这些关键短语作为shingles索引到新的Elasticsearch字段中。
3. 在查询时搜索的字段列表中包含此带叠层的关键短语字段 - 最有可能提高分数。

要获得快速获胜工具来帮助您控制关键短语提取，请查看KEA（用java编写）。

（你也可以写自己的，但如果你也希望提取不受控制的关键短语（不在字典中），训练有素的提取器会更好地为你服务。More tools here。）