ElasticSearch：带状疱疹 - 如果字段包含精确的木瓦标记，则匹配短语

Question

我是弹性搜索的新手，遇到以下情况的麻烦：

1. 我们认为我有2个文件，其中只包含一个字段＆＃34; text＆＃34;
   1. ＆＃34;文本＆＃34; ：＆＃34; token1 token4＆＃34;
   2. ＆＃34;文本＆＃34; ：＆＃34; token2 token3＆＃34;
   3. ＆＃34;文本＆＃34; ：＆＃34; token4 token5＆＃34;
2. 并通过以下查询文本＆＃34; token1 token2 token3 token4 token5＆＃34;我只想找到文件2和3

我需要类似于带状疱疹过滤器的东西，它会从查询中创建以下标记：

[＆＃34; token1 token2＆＃34;，＆＃34; token2 token3＆＃34;，＆＃34; token3 token4＆＃34;，＆＃34; token4 token5＆＃34;]

并且将通过这些令牌完全匹配，因此令牌＆＃34;令牌2令牌3＆＃34;和＃34; token4 token5＆＃34;将匹配文件

提前致谢！

Answer 1

这可以通过使用shingle filter并使 output_unigrams false 来实现（它将阻止生成单个令牌）。像这样创建索引

PUT shingle_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "shingle_analyzer": {
          "tokenizer": "standard",
          "filter": [
            "shingle_filter",
            "lowercase"
          ]
        }
      },
      "filter": {
        "shingle_filter":{
          "type" : "shingle",
          "max_shingle_size" : 2,
          "min_shingle_size" : 2,
          "output_unigrams" : false,
          "output_unigrams_if_no_shingles" : true
        }
      }
    }
  },
  "mappings": {
    "mytype":{
      "properties": {
        "text" : {
          "type": "string",
          "analyzer": "shingle_analyzer"
        }
      }
    }
  }
}

索引一些示例文档。

POST /shingle_index/mytype/_bulk
{"index":{"_id":5}}
{"text":"token1 token4"}
{"index":{"_id":3}}
{"text":"token2 token3"}
{"index":{"_id":2}}
{"text":"token4 token5"}

然后简单的匹配查询将为您提供所需的结果。

GET shingle_index/_search
{
  "query": {
    "match": {
      "text": "token1 token2 token3 token4"
    }
  }
}