我有一个系统可以提取文章并将它们存储在elasticsearch索引中。当有新文章发布时，我想确定文章在我的网站上发布之前的内容有多独特，这样我就可以尝试减少重复项。
目前，我使用<script src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.1/jquery.min.js"></script>
<input type="checkbox" name="check" value="ho">过滤器搜索索引的新文章标题，如果有0个结果，则可以发布：
min_score这不是很准确，你可以想象，大多数文章都会发表相当多的重复文章。
您认为我如何改善这一点（如果有的话）？
答案 0 :(得分：0)
嗯，您需要在索引文档之前处理此问题。 我最好的解决方案是根据标题对_id进行建模，这样如果存在相同的标题，则可以丢弃新文档（使用_create API）或者可以丢弃所有文档。 更好的是，您可以使用upsert，以便通过重复信息更新exisitng文档，就像您可以看到来自此源的新闻也出现在此源中。 您可以看到相同here的一些实际示例。