ElasticSearch如何在不适定的条件下（如“ b b b b b b b b b b b b b”中的匹配短语“ b b”）计算术语频率？

Question

编辑： 我给的不好的例子。我的用例实际上是汉字，即“我我我我我我我我我我”中的短语匹配“我我”。因此，对于那些不熟悉中文搜索引擎的人来说，问题实际上是在“ b b b b b b b b b b b b b”中搜索“ b b”，而不是在“ bbbbbbbbbb”中搜索“ bb”。 我还编辑了标题以避免混淆。

奖金问题：如果使用“短语匹配前缀”代替“ max_expansions = 4”，出现频率是多少？

原始帖子： 假设搜索关键字为“ bb”，文档为“ bbbbbbbbbb”（10个b）。类型被分析，假设“ b”是被索引的“原子”。

我想象文档在内部以如下形式表示：{'b'：[0,1,2,3,4,5,6,7,8,9]，元数据：{...}}数字是术语“ b”的位置。如果我错了，请纠正我。

根据弹性导引，项频率tf（t in d）= sqrt（频率）。 （https://www.elastic.co/guide/en/elasticsearch/guide/current/scoring-theory.html#tf） 因此，如果将“ bb”与词组中的“ b”相匹配的短语 ，频率是5还是9？

Answer 1

使用“标准分析仪”时，“ bbbbbbbbb”将被分析为“ 0：bbbbbbbbb”，而不是{{b'：[0,1,2,3,4,5,6,7,8,9 ]。并且搜索“ bb”没有任何结果。如果docs中的短语类似于“ b b b b b b b b b b b”，则{'b'：[0,1,2,3,4,5,6,7,8]是正确的。但是如果您再次搜索“ bb”，将不会有任何结果。 但是如果您搜索“ b b”之类的内容，它将分析为“ b”或“ b”，并且文档中的频率为9（可能是9 + 9/2）。

使用此API，您可以查看如何计算分数：

  

获取/ my_index / doc / _search？解释

有关得分的更多信息：

  

https://www.elastic.co/guide/en/elasticsearch/guide/current/scoring-theory.html