像这样模糊和更像这样的区别？

Question

Lucene的MoreLikeThis有什么区别(mlt) 和FuzzyQuery (flt)？

我正在通过 Elasticsearch (ES) 评估这两种查询类型，我发现它们在概念上非常相似：

• mlt：将现有文档的字段与其他文档的字段进行比较
• flt：将字符串与其他文档的字段进行比较

但是，flt 的性能似乎比 mlt 查询慢了一个数量级。

我正在使用最新的 ES，而后者又使用 Lucene 4.5。

---

来自fuzzy like this 文档：

模糊所有以字符串形式提供的术语，然后选择最好的 n 个可区分术语。实际上，这混合了 FuzzyQuery 和 MoreLikeThis 的行为，但特别考虑了模糊评分因素。对于用户可能会在多个字段中提供详细信息并且不了解布尔查询语法并且还需要一定程度的模糊匹配和快速查询的查询，这通常会产生良好的结果。

对于每个源术语，模糊变体都保存在没有坐标因子的 BooleanQuery 中（因为我们不是在任何一个文档中寻找多个变体的匹配项）。此外，一个专门的 TermQuery 用于变体并且不使用该变体术语的 IDF，因为这将有利于更罕见的术语，例如拼写错误。相反，所有变体都使用相同的 IDF 排名（源查询词的排名），这被计入了变体的提升。如果索引中不存在源查询词，则使用变体的平均 IDF。

Answer 1

您将more like this query 与fuzzy like this query 进行比较。虽然后者为“更像这样”的查询增加了一些模糊性，但它与下面使用的fuzzy query 不同。

“更像这样”允许您指定like_text 和fields 列表。因此，将返回在指定字段中包含该文本的文档。您可以调整术语的频率以控制何时返回或忽略文档，以便根据您的要求获得足够相似且足够有趣的文档。

“fuzzy like this”具有类似的结构，实际上更像是这样的查询，它在内部也使用模糊查询来查找相似的文档。这意味着返回的文档不仅包含您在like_text 中请求的术语，还包含类似的术语，对它们应用了一些模糊性。慢的原因其实是模糊查询，虽然在 Lucene 4.x 中改进了很多，但代价更高。