当第一个字母拼写错误时，短语建议器返回意外结果答案

【问题标题】：Phrase suggester returns unexpected result when first letter is misspelled当第一个字母拼写错误时，短语建议器返回意外结果
【发布时间】：2018-11-30 11:23:44
【问题描述】：

我正在使用 Elasticsearch Phrase Suggester 来纠正用户的拼写错误。除非用户输入第一个字母拼写错误的查询，否则一切都按我的预期工作。在这种情况下，短语建议器不返回任何内容或返回意外结果。

我的建议查询：

{
"suggest": {
"text": "user_query",
"simple_phrase": {
  "phrase": {
    "field": "title.phrase",,
    "collate": {
      "query": { 
        "inlile" : {
          "bool": {
            "should": [
                 { "match": {"title": "{{suggestion}}"}},
                  { "match": {"participants": "{{suggestion}}"}}
            ]
          }
        }
      }
    }
  }
}

} }

首字母拼写错误示例：

"simple_phrase" : [
  {
    "text" : "گاشانچی",
    "offset" : 0,
    "length" : 11,
    "options" : [ {
      "text" : "گارانتی",
      "score" : 0.00253151
    }]
  }
]

第五个字母拼写错误的例子：

"simple_phrase" : [
  {
    "text" : "کاشاوچی",
    "offset" : 0,
    "length" : 11,
    "options" : [ {
      "text" : "کاشانچی",
      "score" : 0.1121
    },
    {
      "text" : "کاشانجی",
      "score" : 0.0021
    },
    {
      "text" : "کاشنچی",
      "score" : 0.0020
    }]
  }
]

我希望这两个拼写错误的查询有相同的建议（我的预期建议是第二个）。怎么了？

P.S：我正在将此功能用于波斯语。

【问题讨论】：

请参考我在这篇帖子上的回答stackoverflow.com/questions/59527443/…

标签： elasticsearch solr lucene information-retrieval

【解决方案1】：

我有你的问题的解决方案，只需要在你的架构中添加一些字段。

P.S：我在 elasticsearch 方面没有太多专业知识，但我已经使用 solr 解决了同样的问题，你也可以在 elasticSearch 中实现同样的方法

创建新的 ngram 字段并将所有标题名称复制到 ngram 字段中。

当您对拼写错误的单词进行任何查询并且得到空白结果然后拆分这个词并再次触发相同的查询，您将获得预期的结果。

Example : Suppose user searching for word Akshay but type it as Skshay, then 
create query in below way you will get results as expected hopefully.

I am here giving you solr example same way you can achieve it using 
elasticsearch.

**(ngram:"skshay" OR ngram:"sk" OR  ngram:"ks" OR ngram:"sh" OR ngram:"ha" ngram:"ay")**

我们已经拆分了单词序列，并在字段 ngram 上触发查询。

希望对你有所帮助。

【讨论】：

感谢您的回答，但我想知道为什么这没有按预期工作？据我所知，Phrase Suggester 使用编辑距离来纠正拼写错误的单词，那么如果第一个字母拼写错误，为什么它不起作用？据我所知，在编辑距离算法中哪个字母拼写错误没有区别。

【解决方案2】：

来自 Elasticsearch 文档： https://www.elastic.co/guide/en/elasticsearch/reference/6.8/search-suggesters-phrase.html

前缀长度

必须匹配的最小前缀字符数才能成为候选人建议。默认为 1。增加这个数字可以提高拼写检查性能。通常不会出现拼写错误条款的开始。（旧名称“prefix_len”已弃用）

所以默认的短语建议假定第一个字符是正确的，因为prefix_length 的默认值为 1。

注意：将此值设置为 0 不是一个好方法，因为这会影响性能。您需要使用reverse analyzer 我在这篇文章中解释了它，所以请去检查我的答案 Elasticsearch spell check suggestions even if first letter missed

关于重复项，您可以使用

skip_duplicates 是否应过滤掉重复的建议（默认为假）。

【讨论】：