Question

我想使用ElasticSearch术语建议功能进行拼写更正（您的意思是......？）。这是官方documentation：

这是我的（缩短为基础）计划：

{
    "settings": {
        "analysis": {
            "filter": {
                "en_stop_filter": { "type": "stop", "stopwords": ["_english_"] },
                "en_stem_filter": { "type": "stemmer", "name": "minimal_english" },
                "de_stop_filter": { "type": "stop", "stopwords": ["_german_"] },
                "de_stem_filter": { "type": "stemmer", "name": "minimal_german" }
            },
            "analyzer": {
                "en_analyzer": { "type": "custom", "tokenizer": "icu_tokenizer", "filter": ["icu_folding", "icu_normalizer", "en_stop_filter", "en_stem_filter"] },
                "de_analyzer": { "type": "custom", "tokenizer": "icu_tokenizer", "filter": ["icu_folding", "icu_normalizer", "de_stop_filter", "de_stem_filter"] }
            }
        }
    },
    "mappings": {
        "blog": {
            "_analyzer": { "path": "my_analyzer", "index": "no" },
            "properties": {
                "title": { "type": "string" },
                "my_analyzer": { "type": "string", "index": "no" }
            }
        },
        "photo": {
            "properties": {
                "tags_en": { "type": "string", "analyzer": "en_analyzer", "index_name": "tag_en" }
                "tags_de": { "type": "string", "analyzer": "de_analyzer", "index_name": "tag_de" }
            }
        }
    }
}

这就是通过Python / Django为我们的博客索引数据的方式：

data = ''
for i, p in enumerate(BlogPost.objects.all()):
    data += '{"index": {"_id": "%s"}}\n' % p.pk
    data += json.dumps({ "my_analyzer": p.language+"_analyzer", "title": p.title })+'\n'
resp = requests.put(ELASTICSEARCH_URL+'blog/_bulk', data=data)

我根据每篇博文（p.language ='de'或'en'）的语言设置分析器，德语或英语。

我能够搜索这个索引（通过Python），我确实得到了这些参数返回的拼写建议：

{
  "query": {
    "query_string": {
      "query": q,
      "analyzer": "en_analyzer"
    }
  },
  "suggest": {
    "my_suggestion": {
      "text": q,
      "term": {
        "size": 1,
        "field": "title"
      }
    }
  }
}

然而，我真正需要的是针对我们的照片方案的搜索的拼写建议，该方案由此编制（Python / Django）：

for p in Photo.objects.all():
    data += '{"index": {"_id": "%s"}}\n' % p.pk
    data += json.dumps({
        "tags_cs": p.tags_en,
        "tags_de": p.tags_de
    })+'\n'
resp = requests.put(ELASTICSEARCH_URL+'photo/_bulk', data=data)

p.tags_en和p.tags_de可以被索引为以逗号分隔的标记字符串，或者作为字符串的实际列表。两者都适用于ElasticSearch，它似乎没有对这个问题产生影响。

搜索照片可以使用英语和德语，但不会返回任何拼写建议：

{
  "query": {
    "query_string": {
      "query": q,
      "fields": [
        "tags_en"
      ],
      "analyzer": "en_analyzer"
    }
  },
  "suggest": {
    "my_suggestion": {
      "text": q,
      "term": {
        "size": 1,
        "field": "tags_en"
      }
    }
  }
}

如果我为建议术语定义分析器，则没有什么区别，如下所示：

{
  "query": {
    "query_string": {
      "query": q,
      "fields": [
        "tags_en"
      ],
      "analyzer": "en_analyzer"
    }
  },
  "suggest": {
    "my_suggestion": {
      "text": q,
      "term": {
        "size": 1,
        "field": "tags_en",
        "analyzer": "en_analyzer"
      }
    }
  }
}

请注意博客文章和照片之间的差异分析：我们的博文每个帖子都会用一种语言进行分析。通过方案中的my_analyzer字段。但是，我们会根据每个字段对照片进行分析。我们有20种语言（这里只显示了两种语言以保持代码尽可能小），并相应地分析每个标记字段。如果我删除这种类型的照片分析，我也会在那里得到建议，但我们确实需要基于现场的分析仪。

所以问题必须与分析仪有关，但我完全陷入困境。有什么想法吗？

Answer 1

工作解决方案/解决方法是在计划中简单地包含未分析的字段，并仅在此字段上匹配术语建议。它适用于我们，但是如果没有这些额外的数据，它应该是可能的。

分析字段上的ElasticSearch术语建议不返回任何建议

1 个答案: