Question

我有一个在elasticsearch中编入索引的内容字段（字符串）。分析仪是默认的单标准分析仪。

当我使用匹配查询进行搜索时：

{"query":{"match":{"content":"micro soft", "operator":"and"}}}

结果显示它无法匹配＆＃34; microsoft＆＃34;。

然后如何使用输入关键字＆＃34; micro soft＆＃34;匹配文档内容包含＆＃34; microsoft＆＃34;？

Answer 1

另一种解决方案是使用 nGram 令牌过滤器，它可以让你有更多的模糊＆＃34;匹配。

将您的示例用于＆＃34; microsoft＆＃34;和＆＃34;微软＆＃34;，这是一个如何的例子 ngram标记过滤器会分解标记：

POST /test
{
  "settings": {
    "analysis": {
      "filter": {
        "my_ngrams": {
          "type": "ngram",
          "min_gram": "3",
          "max_gram": "5"
        }
      },
      "analyzer" : {
        "my_analyzer" : {
          "type" : "custom",
          "tokenizer" : "standard",
          "filter": ["my_ngrams"]
        }
      }
    }
  },
  "mappings": {
    "doc": {
      "properties": {
        "body": {
          "type": "string",
          "analyzer": "my_analyzer"
        }
      }
    }
  }
}

分析这两件事：

curl '0:9200/test/_analyze?field=body&pretty' -d'microsoft'
{
  "tokens" : [ {
    "token" : "mic"
  }, {
    "token" : "micr"
  }, {
    "token" : "micro"
  }, {
    "token" : "icr"
  }, {
    "token" : "icro"
  }, {
    "token" : "icros"
  }, {
    "token" : "cro"
  }, {
    "token" : "cros"
  }, {
    "token" : "croso"
  }, {
    "token" : "ros"
  }, {
    "token" : "roso"
  }, {
    "token" : "rosof"
  }, {
    "token" : "oso"
  }, {
    "token" : "osof"
  }, {
    "token" : "osoft"
  }, {
    "token" : "sof"
  }, {
    "token" : "soft"
  }, {
    "token" : "oft"
  } ]
}

curl '0:9200/test/_analyze?field=body&pretty' -d'micro soft'
{
  "tokens" : [ {
    "token" : "mic"
  }, {
    "token" : "micr"
  }, {
    "token" : "micro"
  }, {
    "token" : "icr"
  }, {
    "token" : "icro"
  }, {
    "token" : "cro"
  }, {
    "token" : "sof"
  }, {
    "token" : "soft"
  }, {
    "token" : "oft"
  } ]
}

（我在这里删掉了一些输出，完整输出： https://gist.github.com/dakrone/10abb4a0cfe8ce8636ad）

正如您所看到的，因为＆＃34; microsoft＆＃34;和＆＃34;微软＆＃34;交叠，你可以找到这样的搜索匹配。

Answer 2

解决此问题的另一种方法是进行单词分解，您可以使用基于字典的方法：Compound Word Token Filter或使用以算法方式分解单词的插件：Decompound plugin。

单词microsoft会例如被分成以下标记：

{
   "tokens": [
      {
         "token": "microsoft",
      },
      {
         "token": "micro",
      },
      {
         "token": "soft",
      }
   ]
}

此令牌将允许您搜索您提出的部分字词。

与其他答案中提到的ngrams方法相比，这种方法可以获得更高的精确度，只有略低的召回率。

Answer 3

尝试以下ES wilcard

 { 
 "query" : { 
     "bool" : { 
         "must" : { 
             "wildcard" : { "content":"micro*soft" } 
         } 
     } 
 }

}

如何在弹性搜索中将术语与空格匹配？

3 个答案: