Question

是否有可能告诉ElasticSearch使用所有克的“最佳匹配”而不是使用克作为同义词？

默认情况下，ElasticSearch使用gram作为同义词并返回不匹配的文档。最好以示例的方式展示，假设我们在索引中有两个人：

alice wang
sarah kerry

我们搜索ali12345：

{
  query: {
    bool: {
      should: {
        match: { name: 'ali12345' }
      }
    }
  }
}

它将返回alice wang。

怎么可能？因为默认情况下ElasticSearch使用克作为同义词，因此，即使只有一克匹配 - 文档也会匹配。

如果您检查查询，您会看到它将克视为同义词

...
"explanation": {
  "value": 5.274891,
  "description": "weight(Synonym(name: ali name:li1 name:i12 name:123 name:234 name:345 ) in 0) [PerFieldSimilarity], result of:",
...

我想知道是否可以告诉它使用“最佳匹配”查询，以达到如下目的：

{
  query: {
    bool: {
      should: [
        { term: { body: 'ali' }},
        { term: { body: 'li1' }},
        { term: { body: 'i12' }},
        { term: { body: '123' }},
        { term: { body: '234' }},
        { term: { body: '345' }},
      ],
      minimum_should_match: '75%'
    }
  }
}

问题：

当然可以手动生成此查询，但是您必须手动应用ngram解析和其他分析器管道。所以我想知道它是否可以通过ElasticSearch 完成

当有几十克/条时，长字符串的这种查询会有什么表现？是否会使用一些智能优化，例如搜索类似文档（请参阅more_like_this） - 当它尝试使用的不是所有条款而只使用最高tf-idf的条款时？

P.S。

索引配置

{ mappings: { object: { properties: { name: { type: 'text', analyzer: 'trigram_analyzer' } } } }, settings: { analysis: { filter: { trigram_filter: { type: 'ngram', min_gram: 3, max_gram: 3 } }, analyzer: { trigram_analyzer: { type: 'custom', tokenizer: 'keyword', filter: [ 'trigram_filter' ] } } } } }

Answer 1

也许您已经找到了原因，但是ali12345与alice wang匹配，因为分析器在搜索时与用于索引时间的分析器相同，包括ngram。

如此：

在索引时间：对于文本alice wang，将创建这些术语[ali，lic，ice，...]

在搜索时：对于文本ali12345，将创建这些词条[ali，li1，i12，...]

如我们所见，我们与术语ali匹配

为避免此问题，ElasticSearch提供了为搜索时间指定其他分析器的可能性。在字段name的映射中，您可以添加另一个属性search_analyzer，该属性通常与主analyzer非常相似，但是没有ngram令牌过滤器。这样可以防止在搜索分析期间生成[ali，li1，i12]，从而导致与alice wang的0个匹配项

随时在此页面上查看更多详细信息和说明：https://www.elastic.co/guide/en/elasticsearch/reference/current/search-analyzer.html

Answer 2

我知道这个问题很旧，但是以防万一...

您应该能够在Trigram查询中使用minimumShouldMatch子句，以指定必须匹配多少个Trigram才能使记录被视为命中。您可以使用类似“ 3 <75％”的含义，这表示“如果存在3个或更少的三字母组，那么100％必须匹配。存在4个或更多的三字母组，那么75％必须匹配”

ElasticSearch使用ngram术语的“最佳匹配”而不是“同义词”？

2 个答案: