为什么我的 Elasticsearch 多重匹配查询只查找前缀？

Question

我正在尝试编写一个 Elasticsearch 多重匹配查询（使用 Java API）来创建一个“搜索即输入”程序。该查询应用于title和description这两个字段，它们被分析为ngram。

我的问题是，Elasticsearch 似乎只尝试查找 beginning 类似我的查询的词。例如，如果我搜索“nut”，那么它会匹配具有“nut”、“nuts”、“Nutella”的文档，等，但它不匹配具有“walnut”的文档，应该匹配。

这是我的设置：

{
    "index": {
        "analysis": {
            "analyzer": {
                "edgeNGramAnalyzer": {
                    "tokenizer": "edgeTokenizer",
                    "filter": [
                        "word_delimiter",
                        "lowercase",
                        "unique"
                    ]
                }
            },
            "tokenizer": {
                "edgeTokenizer": {
                  "type": "edgeNGram",
                  "min_gram": "3",
                  "max_gram": "8",
                  "token_chars": [
                    "letter",
                    "digit"
                  ]
                }
            }
        }
    }
}

这是我的映射的相关部分：

{
    "content": {
        "properties": {
            "title": {
                "type": "text",
                "analyzer": "edgeNGramAnalyzer",
                "fields": {
                    "sort": { 
                        "type": "keyword"
                    }
                }
            },
            "description": {
                "type": "text",
                "analyzer": "edgeNGramAnalyzer",
                "fields": {
                    "sort": { 
                        "type": "keyword"
                    }
                }
            }
        }
    }
}

这是我的查询：

new MultiMatchQueryBuilder(query).field("title", 3).field("description", 1).fuzziness(0).tieBreaker(1).minimumShouldMatch("100%")

你知道我做错了什么吗？

Answer 1

那是因为您使用的是 edgeNGram 标记器而不是 nGram 标记器。前者仅索引前缀，而后者将索引前缀、后缀以及数据的子部分。

将您的分析器定义改为此，它应该可以按预期工作：

{
    "index": {
        "analysis": {
            "analyzer": {
                "edgeNGramAnalyzer": {
                    "tokenizer": "edgeTokenizer",
                    "filter": [
                        "word_delimiter",
                        "lowercase",
                        "unique"
                    ]
                }
            },
            "tokenizer": {
                "edgeTokenizer": {
                  "type": "nGram",         <---- change this
                  "min_gram": "3",
                  "max_gram": "8",
                  "token_chars": [
                    "letter",
                    "digit"
                  ]
                }
            }
        }
    }
}