我们有一个Elasticsearch索引，其中包含要按标题和描述搜索的产品目录。
我们希望它具有以下约束条件：
我试图创建一个类似的查询，但是结果确实不准确。有时会找到完全无关的东西。我认为这是因为通配符查询。
我还认为，对于“ created_at”得分，必须有一个更为优雅的解决方案。对吧？
我正在使用Elasticsearch 6.2
这是我当前的代码。我很高兴看到一个优雅的解决方案：
{
"sort": [
{
"_score": {
"order": "desc"
}
}
],
"min_score": 0.3,
"size": 12,
"from": 0,
"query": {
"bool": {
"filter": {
"terms": {
"category_id": [
"212",
"213"
]
}
},
"should": [
{
"match": {
"title_completion": {
"query": "Development",
"boost": 20
}
}
},
{
"wildcard": {
"title": {
"value": "*Development*",
"boost": 1
}
}
},
{
"wildcard": {
"title_completion": {
"value": "*Development*",
"boost": 10
}
}
},
{
"match": {
"title": {
"query": "Development",
"operator": "and",
"fuzziness": 1
}
}
},
{
"range": {
"created_at": {
"gte": 1563264817998,
"boost": 11
}
}
},
{
"range": {
"created_at": {
"gte": 1563264040398,
"boost": 4
}
}
},
{
"range": {
"created_at": {
"gte": 1563256264398,
"boost": 1
}
}
}
]
}
}
}
答案 0 :(得分：0)
首先，建立一个返回相关结果的请求通常是一项艰巨的任务。不知道文档的内容就无法完成。就是说，我可以给您一些提示，以满足您的要求，并避免产生不相关的结果。
您可以像在查询中一样使用boost，以使标题匹配与描述相比更加重要。
您应该使用AUTO值作为模糊字段，以根据术语的长度定义不同的模糊度值。例如，默认情况下，少于3个字母的字词（最常见的字词更改会导致不同的字词）将不允许更改。字数超过3个的字词将允许一次更改，超过5个字母的字词将允许2个更改。您可以根据测试更改此行为。
在should语句中使用bool子句。 should语句中的子句不会过滤文档（除非另有说明）。 should子句中的查询仅用于提高得分。
在must语句中使用filter的{{1}}子句，以确保所有文档都验证约束。如果您不希望子查询对得分有所帮助（我相信您的情况是这样），请使用bool而不是filter，因为match可以缓存结果。您的查询可以满足此要求。
您应该将function score与decay function一起使用。如果您还不清楚衰减功能，则可以跳过文档中的方程式，然后跳到可以自我说明的数字。以下查询是使用高斯衰减函数的示例。
filter 避免通配符查询：如果您使用{
"function_score": {
// Name of the decay function
"gauss": {
// Field to use
"created_at": {
"origin": "now", // "now" is the default so you can omit this field
"offset": "1d", // Values with less than 1 day will not be impacted
"scale": "10d", // Duration for which the scores will be scaled using a gauss function
"decay" : 0.01 // Score for values further than scale
}
}
}
}
，则效率不高，并且会占用大量内存。如果您希望能够部分搜索词（当用户搜索“ house”时找到“ penthouse”），则应使用ngram tokenizer创建一个子字段，并使用该子字段编写标准的*查询
避免设置最低分数：分数是相对值。低分或高分并不表示该文件是否相关。您可以阅读this article关于该主题的信息。
请谨慎处理match个查询：模糊会产生很大的噪音并使用户感到困惑。通常，我建议增加默认的fuzzy模糊阈值，并接受某些拼写错误的查询不会返回好的结果。通常，与理解为什么他得到完全不相关的结果相比，用户检测到输入中的拼写错误更容易。
这只是您需要适应数据的一个示例。
AUTO