Question

在我的Elasticsearch索引中，我的文档在同一位置有多个令牌。

当我在每个位置匹配至少一个令牌时，我想要取回一份文件。令牌的顺序并不重要。我怎么能做到这一点？我使用Elasticsearch 0.90.5。

示例：

我索引这样的文档。

{
    "field":"red car"
}

我使用同义词令牌过滤器，在与原始令牌相同的位置添加同义词。所以现在在现场，有2个职位：

位置1：“红色”
位置2：“汽车”，“汽车”

我现在的解决方案：

为了确保所有位置都匹配，我也将索引最大位置。

{
    "field":"red car",
    "max_position": 2
}

我有一个自定义的相似性，它从DefaultSimilarity扩展并返回1 tf（），idf（）和lengthNorm（）。得分是该字段中匹配条款的数量。

查询：

{
    "custom_score": {
        "query": {
             "match": {
                 "field": "a car is an automobile"
             }
        },
        "_script": "_score*100/doc[\"max_position\"]+_score"
    },
    "min_score":"100"
}

我的解决方案出现问题：

上述搜索不应与文档匹配，因为查询字符串中没有标记“red”。但它匹配，因为Elasticsearch将汽车和汽车的匹配计算为两个匹配，得分为2，这导致脚本得分为102，满足“min_score”。

Answer 1

如果您需要保证与查询字词 100％匹配，则可以使用minimum_should_match。这是更常见的情况。

很遗憾，在您的情况下，您希望提供索引字词的100％匹配。为此，您必须下拉到Lucene级别并编写自定义（java - here's boilerplate you can fork）Similarity类，因为您需要访问未向Query DSL公开的低级索引信息：

在查询记分员中扫描的每个文档/字段：

匹配的分析术语数量（重叠是Lucene术语，它使用的是DefaultSimilarity类的coord（）方法）
字段中已分析的总字词数：请查看此主题以了解获取此信息的几种不同方法：How to count the number of terms for each document in lucene index?

然后您的自定义相似度（您甚至可以扩展DefaultSimilarity）将需要检测术语匹配＆lt; 总条款并将其得分乘以零。

由于查询和索引时间分析已经在此评分级别进行，因此索引术语的总数将已扩展为包含同义词，查询术语也应如此，从而避免误报“a car是上面的汽车“问题。

Elasticsearch：仅匹配每个位置一次

1 个答案: