如何将弹性搜索中的短语与可扩展的前缀和后缀匹配？

Question

我们有一个用例，我们想在弹性搜索中匹配短语，但除了短语查询之外，我们还想搜索部分短语。

例子：

搜索短语：“welcome you”或“lcome you”或“welcome yo”或“lcome yo”这应该与包含短语的文档匹配：

“欢迎你”

“我们欢迎你”

“欢迎你”

“我们欢迎你”

即我们希望通过执行带有附加功能的短语查询来维护单词的顺序，该功能向我们返回包含短语作为部分子字符串的结果，并且前缀和后缀可扩展为特定的可配置长度。 在 elastic 中，我发现了类似的 'match_phrase_prefix' 但它只匹配以特定前缀开头的短语。

以d前缀开头的Ex返回结果：

$ curl -XGET localhost:9200/startswith/test/_search?pretty -d '{
    "query": {
        "match_phrase_prefix": {
            "title": {
                "query": "d",
                "max_expansions": 5
            }
        }
    }
}'

有没有什么方法可以让后缀也实现这一点？

Answer 1

我强烈建议您查看shingle token filter。

您可以使用自定义分析器定义索引，该分析器利用 shingles 来索引一组后续标记以及标记本身。

curl -XPUT localhost:9200/startswith -d '{
  "settings": {
      "analysis": {
        "analyzer": {
          "my_shingles": {
            "tokenizer": "standard",
            "filter": [
              "lowercase",
              "shingles"
            ]
          }
        },
        "filter": {
          "shingles": {
            "type": "shingle",
            "min_shingle_size": 2,
            "max_shingle_size": 2,
            "output_unigrams": true
          }
        }
      }
  },
  "mappings": {
    "test": {
      "properties": {
        "title": {
          "type": "text",
          "analyzer": "my_shingles"
        }
      }
    }
  }
}'

例如，we welcome you to 将被索引为以下标记

• we
• we welcome
• welcome
• welcome you
• you
• you to
• to

然后你可以索引几个示例文档：

curl -XPUT localhost:9200/startswith/test/_bulk -d '
{"index": {}}
{"title": "welcome you"}
{"index": {}}
{"title": "we welcome you"}
{"index": {}}
{"title": "welcome you to"}
{"index": {}}
{"title": "we welcome you to"}
'

最后，您可以运行以下查询来匹配以上所有四个文档，如下所示：

curl -XPOST localhost:9200/startswith/test/_search -d '{
   "query": {
       "match": {"title": "welcome you"}
   }
}'

请注意，这种方法比 match_phrase_prefix 查询更强大，因为它允许您匹配文本正文中任何位置的后续标记，无论是在开头还是结尾。