Question

我正在使用elasticsearch来查询最初从具有大量冗余的几个关系数据库中导出的数据。我现在想要执行查询，其中我有一个主要属性和一个或多个应该匹配的辅助属性。我尝试使用一个必须术语和一个术语的bool查询，但这似乎不适用于我的情况，可能如下所示：

示例：

我有一个用户fullname和street name的文档，我想搜索不同索引中的类似用户。因此，我的查询的最佳匹配应该是fullname上的最佳匹配和streetname字段上的最佳匹配。但由于原始数据有很多冗余和不一致，因此字段fullname（我手动创建的字段name1，name2，name3）可能多次包含相同的名称，而且似乎elasticsearch排名为双重匹配必须字段高于should属性中的匹配项。

这意味着，我想使用以下示例数据查询John Doe Back Street：

{
    "fullname" : "John Doe John and Jane",
    "street" : "Main Street"

}
{
    "fullname" : "John Doe",
    "street" : "Back Street"

}

长话短说，我想查询主要属性fullname - John Doe和辅助属性street - Back Street，并希望第二个文档是最佳匹配而不是第一个，因为它包含John多次。

Answer 1

在Elasticsearch中操纵相关性并不是最容易的部分。分数计算基于三个主要部分：

学期频率
反向文档频率
场长规范

很快：

通常该字词出现在字段中，更相关的是
通常该术语出现在整个索引中，LESS相关的是
该术语越长，则更相关的是

我建议你阅读以下材料：

一般来说，在您的情况下，fullname的结果比street更重要，您可以提高第一个的重要性。下面是我的工作代码示例代码：

{
  "query": {
    "multi_match": {
      "query": "john doe",
      "fields": [
        "fullname^10",
        "street"
      ]
    }
  }
}

在此示例中，fullname的结果比^10的结果重十倍（street）。您可以尝试操纵增强或使用其他方式来控制相关性，但正如我在开始时提到的 - 它不是最简单的方法，一切都取决于您的具体情况。主要是因为“反向文档频率”部分考虑了整个索引中的术语 - 每个下一个添加到索引的文档都可能会改变相同搜索查询的得分。

我知道我没有直接回答，但我希望能帮助你理解这是如何运作的。

Elasticsearch - 使用不同的术语查询主要和次要属性

1 个答案: