Question

原谅我，因为我是Elasticsearch的新手，但我正在按照此处找到的语音入门指南：Phonetic Matching

我有以下

POST /app
{
    "settings": {
        "index": {
            "analysis": {
                "filter": {
                    "dbl_metaphone": {
                        "type": "phonetic",
                        "encoder": "double_metaphone"
                    }
                },
                "analyzer": {
                    "dbl_metaphone": {
                        "tokenizer": "standard",
                        "filter": "dbl_metaphone"
                    }
                }
            }
        }
    },
    "mappings": {
        "movie": {
            "properties": {
                "title": {
                    "type": "string",
                    "fields": {
                        "phonetic": {
                            "type": "string",
                            "analyzer": "dbl_metaphone"
                        }
                    }
                },
                "year": {
                    "type": "string",
                    "fields": {
                        "phonetic": {
                            "type": "string",
                            "analyzer": "dbl_metaphone"
                        }
                    }
                }
            }
        }
    } }

我通过执行以下操作添加了一些结果：

POST /app/movie
{ "title": "300", "year": 2006"} & { "title":"500 days of summer", "year": "2009" }

我想查询电影＆＃39; 300＆＃39;通过输入此查询：

POST /app/movie/_search
    {
        "query": {
            "match": {
                "title.phonetic": {
                    "query": "three hundred"
                }
            }
        }
    }

但我没有结果。如果将我的查询更改为＆＃34; 300＆＃34;虽然它工作得很好。

如果我这样做：

GET /app/_analyze?analyzer=dbl_metaphone&text=300
{
  "tokens": [
    {
      "token": "300",
      "start_offset": 0,
      "end_offset": 3,
      "type": "<NUM>",
      "position": 0
    }
  ]
}

我看到只返回了一个不是字母数字版本的数字标记，如：

GET /app/_analyze?analyzer=dbl_metaphone&text=three hundred
{
  "tokens": [
    {
      "token": "0R",
      "start_offset": 0,
      "end_offset": 5,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "TR",
      "start_offset": 0,
      "end_offset": 5,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "HNTR",
      "start_offset": 6,
      "end_offset": 13,
      "type": "<ALPHANUM>",
      "position": 1
    }
  ]
}

我的语音查询中是否存在一些我应该定义以获取数字和字母数字标记的内容？

Answer 1

这是不可能的。 Double Metaphone是一种语音编码算法。简单地说，它试图将类似发音的单词编码为同一个键。

这有助于搜索名称可能拼写不同但声音相同的术语。

从算法中可以看出double metaphone忽略数字/数字字符。您可以阅读有关双变音符here的更多信息。

Answer 2

当搜索查询是[Jodi Stynehaser]时，更好的语音匹配案例是找到“Judy Steinheiser”。

如果您需要能够使用英语搜索数字，那么您需要在索引时创建一些同义词或替代文本，以便“300”和“三百”都存储在Elasticsearch中。

find/write a function that converts integers to English.

不应太难

在构建文档时调用您的函数以摄入ES。

或者，在Groovy中写一下，call it as a Transform script in your mapping.

使用Elasticserach进行整数的语音搜索结果

2 个答案: