Question

我想要执行精确的单词匹配和部分单词/子串匹配。例如，如果我搜索“男士剃须刀”，那么我应该能够在结果中找到“男士剃须刀”。但是在我搜索“en的剃须刀”的情况下，我也应该能够在结果中找到“男士剃须刀”。我使用以下设置和映射：

索引设置：

PUT /my_index
{
    "settings": {
        "number_of_shards": 1, 
        "analysis": {
            "filter": {
                "autocomplete_filter": { 
                    "type":     "edge_ngram",
                    "min_gram": 1,
                    "max_gram": 20
                }
            },
            "analyzer": {
                "autocomplete": {
                    "type":      "custom",
                    "tokenizer": "standard",
                    "filter": [
                        "lowercase",
                        "autocomplete_filter" 
                    ]
                }
            }
        }
    }
}

映射：

PUT /my_index/my_type/_mapping
{
    "my_type": {
        "properties": {
            "name": {
                "type":            "string",
                "index_analyzer":  "autocomplete", 
                "search_analyzer": "standard" 
            }
        }
    }
}

插入记录：

POST /my_index/my_type/_bulk
{ "index": { "_id": 1            }}
{ "name": "men's shaver" }
{ "index": { "_id": 2            }}
{ "name": "women's shaver" }

查询：

1。要通过精确词组匹配进行搜索 - ＆gt; “男人的”

POST /my_index/my_type/_search
{
    "query": {
        "match": {
            "name": "men's"
        }
    }
}

以上查询在返回结果中返回“men's shaver”。

2。按部分字词匹配搜索 - ＆gt; “EN的”

POST /my_index/my_type/_search
{
    "query": {
        "match": {
            "name": "en's"
        }
    }
}

以上查询不返回任何内容。

我也尝试了以下查询

POST /my_index/my_type/_search
{
    "query": {
        "wildcard": {
           "name": {
              "value": "%en's%"
           }
        }
    }
}

仍然没有得到任何东西。我认为这是因为Index上的“edge_ngram”类型过滤器无法找到“部分字/ sbustring匹配”。我也试过“n-gram”类型的过滤器，但它正在减慢搜索速度。

请建议我如何使用相同的索引设置来实现短语匹配和部分短语匹配。

Answer 1

要搜索部分字段匹配和完全匹配，如果您将字段定义为“未分析”或关键字（而不是文本），则效果会更好，然后使用通配符。< / p>

See also this

要使用通配符查询，请在要搜索的字符串的两端附加*：

POST /my_index/my_type/_search
{
"query": {
    "wildcard": {
       "name": {
          "value": "*en's*"
       }
    }
}
}

要与不区分大小写一起使用，请使用带有小写过滤器和关键字标记符的自定义分析器。

自定义分析器：

"custom_analyzer": {
            "tokenizer": "keyword",
            "filter": ["lowercase"]
        }

将搜索字符串设为小写

如果您将搜索字符串设为 AsD ：将其更改为 * asd *

Answer 2

@BlackPOP 给出的答案会起作用，但它使用通配符方法，这不是首选，因为它存在性能问题，如果滥用会在 Elastic 集群中产生巨大的多米诺骨牌效应（性能问题）。

我在部分搜索/自动完成方面编写了详细的 blog，涵盖了截至今天（2020 年 12 月）在 Elasticsearch 中可用的最新选项，并考虑了性能。有关更多权衡信息，请参阅 this 答案。

恕我直言，更好的方法是根据用例使用定制的 n-gram tokenizer，它已经具有搜索词所需的标记，因此速度会更快，尽管它的索引大小会更大，但是您大小不会那么昂贵，而且速度会更好，因为您可以更好地控制子字符串搜索的工作方式。

如果您在分词器设置中定义最小和最大克数时保守，也可以控制大小。

Elasticsearch：查找子字符串匹配

2 个答案: