elasticsearch match_phrase 在与我的短语完全相等的结果之前列出包含我的短语的结果

Question

我正在尝试使用 ElasticSearch 对字符串字段执行短语搜索，但我并不真正理解返回结果的顺序。我有一个简单的“match_phrase”查询形式：

GET /MyIndex/_search
{
  "query": 
  { 
    "match_phrase": 
    {
      "FieldToSearch": "find this phrase" 
    }
  }
}

假设我的文档包含以下“FieldToSearch”值：["This is the way to find this phrase", "find this phrase", "find this phrase to win a prize"]。我希望它在其他 2 个结果之前返回 "find this phrase"，因为它与我正在寻找的短语完全匹配。但是，我注意到它有时会首先列出 "find this phrase to win a prize" 之类的内容。有没有办法在包含完全匹配的结果之前返回“完全匹配”？

Answer 1

短语“找到这个短语”对于索引中的文档来说太常见了。基本上每个文档都匹配这个搜索查询，并且相关性的微小差异是由于字段长度规范造成的。据我所知，字段长度范数是按分片计算的。因此，当索引的三个文档中的每一个都位于其自己的分片中时，您会看到稍微令人惊讶的搜索结果，其中文档与最短字段的相关性低于其他文档。您可以通过仅使用一个主分片创建索引来对其进行测试。在这种情况下，字段值为“find this phrase”的文档将获得最高分。您还可以通过禁用字段长度规范来为多个主分片获得相同的结果：

PUT your_index/_mapping/your_type
{
  "properties": {
    "FieldToSearch": {
      "type": "text",
      "norms": false
    }
  }
}

但我认为更准确的查询会是更好的选择。

编辑：

我的观点只是使用包含相对独特标记的更具体的查询。例如，与其查询几乎包含在索引中每个文档中的短语 Jurassic Park，不如查询仅包含在一个文档中的 World Jurassic Park。

但是，有一种方法可以实现您的示例所需的结果。看this问题。您需要更改映射以在某些字段上启用令牌计数器：

PUT your_index/_mapping/your_type
{
  "properties": {
    "FieldToSearch": { 
      "type": "text",
      "fields": {
        "length": { 
          "type": "token_count",
          "analyzer": "standard"
        }
      }
    }
  }
}

然后使用function_score 根据该字段包含的令牌计数来提高相关性：

GET your_index/your_type/_search
{
  "query": {
    "function_score": {
      "query": {"match_phrase": {
        "title": "Jurassic Park"
      }},
      "field_value_factor": {
        "field": "FieldToSearch.length",
        "modifier": "reciprocal"
      }
    }
  }
}

这样，字段包含少量token的文档将获得更高的分数。