Elasticsearch query_string通配符不考虑长度

Question

我在Elasticsearch上有一些记录，它们的首字母相同，例如：word，worda，wordab，wordabc，wordabcd。

我正在使用带通配符的query_string：

"query": {
  "bool":{
    "must":[
      {
        "query_string":{
          "query":"word*"
        }
      }
    ]
  }
}

所有匹配都具有相同的分数（“ _score”：1.0），因此顺序是任意的。是否有可能考虑到该词与该词实际匹配的分数？例如，单词匹配术语100％，单词匹配术语80％，依此类推。

Answer 1

您为所有匹配的文档获得1分的原因如下-通配符/前缀查询是多项查询，为了执行它们，Elasticsearch需要进行重写（以获取实际的匹配项）

有多种方法可以实现这一目标，默认方法称为constant_score，它分配了所有恒定分数（一个）

有几种不同的ways to rewrite-其中一些会产生不相等的分数，但是这种评分方式将取决于TF-IDF的术语分布（例如 worda 的频率>在匹配的文档中发生，并且整个索引中有多少个文档包含 worda 。作为第一种入门方法，您可以尝试top_terms_1000，然后进行调整。

不幸的是，没有现成的完美方法可以实现预期的行为。

模仿它的一种可能方法是尝试改编Edge NGram tokenizer来从单词abc生成令牌，如下所示：

w, wo, wor, word, ...

在这种情况下，查询可以产生更有意义的分数。为了获得理想的预期结果（匹配百分比），您需要创建自定义查询和评分机制