Question

我想创建单词云来可视化Elasticsearch查询的结果。在词云中，应显示与查询匹配的文档中出现的所有术语。因此，我需要计算某些任意文档集中出现的所有术语的术语频率。问题在于我需要文档中所有术语的实际频率，而不仅仅是术语出现的文档数量（这可以使用术语聚合或方面轻松解决）。

给出以下测试指数

curl -XPOST localhost:9200/test -d '{
    "mappings": {
        "testdoc" : {
            "properties" : {
                "text" : {
                    "type" : "string",
                    "term_vector": "yes"
                }
            }
         }
    }
}'

和数据：

curl -XPOST "http://localhost:9200/sports/_bulk" -d'
{"index":{"_index":"test","_type":"testdoc"}}
{"text":"bike bike car"}
{"index":{"_index":"test","_type":"testdoc"}}
{"text":"car"}
{"index":{"_index":"test","_type":"testdoc"}}
{"text":"car car bus bus"}
{"index":{"_index":"test","_type":"testdoc"}}
{"text":"bike car bus"}
'

以下查询返回术语“bike”的术语频率。

curl -XPOST "http://localhost:9200/test/testdoc/_search" -d'
{
    "query": {
        "match_all": {}
    },
    "aggs": {
        "words": {
            "terms": {
                "field": "text"
            },
            "aggs": {
                "tf_sum": {
                     "sum": {
                         "script": "_index[\"text\"][\"bike\"].tf()"
                     }
                }
            }
        }
    }
}'

结果：

{
   "took": 3,
   "timed_out": false,
   "_shards": {
      "total": 5,
      "successful": 5,
      "failed": 0
   },
   "hits": {
      "total": 4,
      "max_score": 0,
      "hits": []
   },
   "aggregations": {
      "words": {
         "buckets": [
            {
               "key": "car",
               "doc_count": 4,
               "tf_sum": {
                  "value": 3
               }
            },
            {
               "key": "bike",
               "doc_count": 2,
               "tf_sum": {
                  "value": 3
               }
            },
            {
               "key": "bus",
               "doc_count": 2,
               "tf_sum": {
                  "value": 1
               }
            }
         ]
      }
   }
}

但是，我不想仅为'bike'计算tf_sum，而是想计算单词 - 聚合返回的所有术语的tf_sum。有没有办法在tf_sum聚合的脚本中访问存储桶的关键字段，因此我可以计算字聚合返回的所有字词的总字词频率？

Answer 1

我们可以通过在术语聚合中使用脚本来实现这一点。我们可以使用_value变量

访问术语值

curl -XPOST "http://localhost:9200/test/testdoc/_search" -d'
{
    "query": {
        "match_all": {}
    },
    "aggs": {
        "words": {
            "terms": {
                "field": "text",
                "script" : "_index[\"text\"][_value].tf()"
            }
        }
    }
}'

Elasticsearch：从聚合中的存储区访问值

1 个答案: