Question

我想计算每个分析的标记。

首先，我尝试了以下代码：

映射：

{
  "docs": {
    "mappings": {
      "doc": {
        "dynamic": "false",
        "properties": {
          "text": {
            "type": "string",
            "analyzer": "kuromoji"
          }
        }
      }
    }
  }
}

查询：

{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "word-count": {
      "terms": {
        "field": "text",
        "size": "1000"
      }
    }
  },
  "size": 0
}

我在插入数据后查询了索引，得到了以下结果：

{
  "took": 41
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 10000,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "word-count": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 36634,
      "buckets": [
        {
          "key": "はい",
          "doc_count": 4734
        },
        {
          "key": "いただく",
          "doc_count": 2440
        },
        ...
      ]
    }
  }
}

不幸的是，术语聚合仅提供doc_count。这不是一个字数。因此，我认为使用_index['text']['TERM'].df()和_index['text']['TERM'].ttf()获取近似字数的方法。

也许近似字数是以下等式：

WordCount = doc_count['TERM'] / _index['text']['TERM'].df() * _index['text']['TERM'].ttf()

＆＃39; TERM＆＃39;桶是关键。我尝试编写一个脚本化的度量标准聚合，但我不知道如何在桶中获取密钥。

{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "doc-count": {
      "terms": {
        "field": "text",
        "size": "1000"
      }
    },
    "aggs": {
      "word-count": {
        "scripted_metric": {
           // ???
        }
      }
    }
  },
  "size": 0
}

如何获取存储桶中的密钥？如果不可能，我怎样才能获得分析的字数？

Answer 1

您可以尝试使用token count数据类型。只需在text字段中添加该类型的子字段：

{
  "docs": {
    "mappings": {
      "doc": {
        "dynamic": "false",
        "properties": {
          "text": {
            "type": "string",
            "analyzer": "kuromoji"
          }, 
          "fields": {
            "nb_tokens": {
              "type": "token_count",
              "analyzer": "kuromoji"
            }
          }
        }
      }
    }
  }
}

然后，您可以在汇总中使用text.nb_tokens。

Answer 2

你可以尝试dynamic_scripting，虽然这会影响效果。

{
"query": {
"match_all": {}
},
"aggs": {
"word-count": {
  "terms": {
    "script": "_source.text",
    "size": "1000"
    }
  }
 },
"size": 0
}

如何通过Elasticsearch分析字数统计？

2 个答案: