Question

我试图通过部分单词进行搜索，忽略套管并忽略某些字母的加重。可能吗？我认为ngram与默认的tokenizer应该做的伎俩，但我不明白如何使用NEST。

示例：“musiic”应匹配具有“music”

的记录

我使用的Elasticsearch版本是1.9。

我这样做但它不起作用......

var ix = new IndexSettings();
        ix.Add("analysis",
            @"{
               'index_analyzer' : {
                          'my_index_analyzer' : {
                                        'type' : 'custom',
                                        'tokenizer' : 'standard',
                                        'filter' : ['lowercase', 'mynGram']
                          }
               },
               'search_analyzer' : {
                          'my_search_analyzer' : {
                                        'type' : 'custom',
                                        'tokenizer' : 'standard',
                                        'filter' : ['standard', 'lowercase', 'mynGram']
                          }
               },
               'filter' : {
                        'mynGram' : {
                                   'type' : 'nGram',
                                   'min_gram' : 2,
                                   'max_gram' : 50
                        }
               }
    }");
        client.CreateIndex("sample", ix);

谢谢，

大卫

Answer 1

简答

我认为您正在寻找的是fuzzy query，它使用Levenshtein distance算法匹配相似的字词。

关于nGrams的长答案

nGram过滤器根据定义的最小/最大范围将文本拆分为许多较小的标记。

例如，来自您的音乐＆＃39;查询过滤器将生成： 'mu', 'us', 'si', 'ic', 'mus', 'usi', 'sic', 'musi', 'usic', and 'music'

正如您所看到的，musiic与这些nGram令牌中的任何一个都不匹配。

为什么nGrams

nGrams的一个好处是它使得通配符查询显着更快，因为所有潜在的子串都是在插入时预生成和索引的（我已经看到查询从几秒加速到15毫秒使用n元语法）。

如果没有nGrams，必须在查询时搜索每个字符串以匹配[O（n ^ 2）]，而不是直接在索引[O（1）]中查找。作为伪代码：

hits = []
foreach string in index:
    if string.substring(query):
        hits.add(string)
return hits

VS

return index[query]

请注意，这是以降低插入速度，需要更多存储空间和更大内存使用为代价的。

Elasticsearch使用NEST：如何配置分析器来查找部分单词？

1 个答案: