每个字段中包含多个完整和不完整短语的跨字段搜索

Question

示例数据：

PUT /test/test/1
{
    "text1":"cats meow",
    "text2":"12345",
    "text3":"toy"
}

PUT /test/test/2
{
    "text1":"dog bark",
    "text2":"98765",
    "text3":"toy"
}

还有一个示例查询：

GET /test/test/_search
{
    "size": 25,
    "query": {
        "multi_match" : {
            "fields" : [
                "text1", 
                "text2",
                "text3"
            ],
            "query" : "meow cats toy",
            "type" : "cross_fields"
        }
    }
}

返回 cat 先命中，然后是 dog，这就是我想要的。

但是当您查询cat toy 时，猫和狗的相关性得分相同。我希望能够考虑该单词的前缀（可能还有该字段中的其他几个单词），然后运行cross_fields。

所以如果我搜索：

GET /test/test/_search
{
    "size": 25,
    "query": {
        "multi_match" : {
            "fields" : [
                "text1", 
                "text2",
                "text3"
            ],
            "query" : "cat toy",
            "type" : "phrase_prefix"
        }
    }
}

或

GET /test/test/_search
{
    "size": 25,
    "query": {
        "multi_match" : {
            "fields" : [
                "text1", 
                "text2",
                "text3"
            ],
            "query" : "meow cats",
            "type" : "phrase_prefix"
        }
    }
}

我应该得到 cat/ID 1，但我没有。

我发现使用cross_fields 可以实现多词短语，而不是多不完整短语。而phrase_prefix 实现了不完整的词组，而不是多个不完整的词组...

筛选documentation 确实无助于我发现如何将这两者结合起来。

Answer 1

是的，我必须使用分析仪......

在添加任何数据之前创建索引时，分析器会应用于字段。添加数据后，我找不到更简单的方法来执行此操作。

我找到的解决方案是将所有短语分解为每个单独的前缀，这样cross_fields 就可以做到这一点。可以详细了解edge-ngramhere的使用。

所以不是cross_field 只是搜索cats 短语，而是搜索：c、ca、cat 和cats 以及之后的每个短语......所以@987654331 @ 字段看起来像这样弹性：c ca cat cats m me meo meow.

~~~

以下是使上述问题示例起作用的步骤：

首先创建并命名分析器。要了解更多过滤器值的含义，我建议您查看this。

PUT /test
{
    "settings": {
        "number_of_shards": 1, 
        "analysis": {
            "filter": {
                "autocomplete_filter": { 
                    "type":     "edge_ngram",
                    "min_gram": 1,
                    "max_gram": 20
                }
            },
            "analyzer": {
                "autocomplete": {
                    "type":      "custom",
                    "tokenizer": "standard",
                    "filter": [
                        "lowercase",
                        "autocomplete_filter" 
                    ]
                }
            }
        }
    }
}

然后我将此分析器附加到每个字段。 我更改了 text1 以匹配我应用它的字段。

PUT /test/_mapping/test
{
    "test": {
        "properties": {
            "text1": {
                "type":     "string",
                "analyzer": "autocomplete"
            }
        }
    }
}

我运行GET /test/_mapping 以确保一切正常。

然后添加数据：

POST /test/test/_bulk
{ "index": { "_id": 1 }}
{ "text1": "cats meow", "text2": "12345", "text3": "toy" }
{ "index": { "_id": 2 }}
{ "text1": "dog bark", "text2": "98765", "text3": "toy" }

还有搜索！

{
    "size": 25,
    "query": {
        "multi_match" : {
            "fields" : [
                "text1", 
                "text2",
                "text3"
            ],
            "query" : "cat toy",
            "type" : "cross_fields"
        }
    }
}

返回：

{
   "took": 3,
   "timed_out": false,
   "_shards": {
      "total": 1,
      "successful": 1,
      "failed": 0
   },
   "hits": {
      "total": 2,
      "max_score": 0.70778143,
      "hits": [
         {
            "_index": "test",
            "_type": "test",
            "_id": "1",
            "_score": 0.70778143,
            "_source": {
               "text1": "cats meow",
               "text2": "12345",
               "text3": "toy"
            }
         },
         {
            "_index": "test",
            "_type": "test",
            "_id": "2",
            "_score": 0.1278426,
            "_source": {
               "text1": "dog bark",
               "text2": "98765",
               "text3": "toy"
            }
         }
      ]
   }
}

当您搜索cat toy 时，这会在两者之间形成对比，而之前的分数是相同的。但现在，cat 命中的得分更高，这是理所当然的。这是通过考虑每个短语的每个前缀（在这种情况下/短语中最多 20 个字符），然后查看数据与 cross_fields 的相关性来实现的。