Question

我正在开发一个项目，我大量使用Elasticsearch并利用moreLikeThis查询来实现某些功能。 MLT查询的官方文档说明如下：

为了加速分析，它可以帮助存储术语向量索引时间，但以磁盘使用为代价。

在**如何运作*部分。现在的想法是调整映射，以便存储预先计算的术语向量。问题是文档中似乎不清楚应该如何做到这一点。一方面，在MLT文档中，它们提供了如下所示的示例映射：

curl -s -XPUT 'http://localhost:9200/imdb/' -d '{
  "mappings": {
    "movies": {
      "properties": {
        "title": {
          "type": "string",
          "term_vector": "yes"
         },
         "description": {
          "type": "string"
        },
        "tags": {
          "type": "string",
          "fields" : {
            "raw": {
              "type" : "string",
              "index" : "not_analyzed",
              "term_vector" : "yes"
            }
          }
        }
      }
    }
  }
}

另一方面，在Term Vectors documentation中，他们在示例1 部分中提供了一个如下所示的映射

curl -s -XPUT 'http://localhost:9200/twitter/' -d '{
  "mappings": {
    "tweet": {
      "properties": {
        "text": {
          "type": "string",
          "term_vector": "with_positions_offsets_payloads",
          "store" : true,
          "index_analyzer" : "fulltext_analyzer"
         },
         "fullname": {
          "type": "string",
          "term_vector": "with_positions_offsets_payloads",
          "index_analyzer" : "fulltext_analyzer"
        }
      }
    }
    ....

这应该是create an index that stores term vectors, payloads etc.

现在问题是：应该使用哪个映射？这是文档中的缺陷还是我遗漏了什么？

Answer 1

你说得对，它似乎没有在当前版本的文档中明确提到，但是在即将发布的版本2.0 documents中有更详细的解释。

术语向量包含有关由术语生成的术语的信息   分析过程，包括：


条款清单。

每个词的位置（或顺序）。

将字词映射到原始字符串中的原点的开始和结束字符偏移量。


可以存储这些术语向量，以便可以检索它们   特别文件。

term_vector设置接受：


no：不存储术语向量。（默认）

yes：只存储字段中的字词

with_positions：存储条款和排名

with_offsets：存储术语和字符偏移

with_positions_offsets：存储条款，职位和字符抵消

Elasticsearch：如何存储术语向量

1 个答案: