Elasticsearch：如何存储术语向量

Question

我正在开展一个项目，我大量使用 Elasticsearch 并利用 moreLikeThis 查询来实现一些功能。 MLT 查询的官方文档说明如下：

为了加快分析速度，将术语向量存储在 索引时间，但以磁盘使用为代价。

在**工作原理*部分。现在的想法是调整映射以存储预先计算的术语向量。问题是，从文档中似乎不清楚应该如何做到这一点。一方面，在MLT 文档中，他们提供了如下所示的示例映射：

curl -s -XPUT 'http://localhost:9200/imdb/' -d '{
  "mappings": {
    "movies": {
      "properties": {
        "title": {
          "type": "string",
          "term_vector": "yes"
         },
         "description": {
          "type": "string"
        },
        "tags": {
          "type": "string",
          "fields" : {
            "raw": {
              "type" : "string",
              "index" : "not_analyzed",
              "term_vector" : "yes"
            }
          }
        }
      }
    }
  }
}

另一方面，在 Term Vectors documentation 中，它们在 示例 1 部分中提供了一个如下所示的映射

curl -s -XPUT 'http://localhost:9200/twitter/' -d '{
  "mappings": {
    "tweet": {
      "properties": {
        "text": {
          "type": "string",
          "term_vector": "with_positions_offsets_payloads",
          "store" : true,
          "index_analyzer" : "fulltext_analyzer"
         },
         "fullname": {
          "type": "string",
          "term_vector": "with_positions_offsets_payloads",
          "index_analyzer" : "fulltext_analyzer"
        }
      }
    }
    ....

这应该是create an index that stores term vectors, payloads etc.

现在的问题是：应该使用哪个映射？这是文档中的缺陷还是我遗漏了什么？

Answer 1

您说得对，当前版本的文档中似乎没有明确提及，但在即将发布的 2.0 documents 中有更详细的解释。

术语向量包含有关由 分析过程，包括：

• 术语列表。
• 每个术语的位置（或顺序）。
• 将术语映射到其在原始字符串中的原点的开始和结束字符偏移量。

可以存储这些术语向量，以便检索它们 特定文件。

term_vector 设置接受：

• no：没有存储术语向量。 （默认）
• yes：只存储字段中的术语
• with_positions：已存储条款和职位
• with_offsets：存储术语和字符偏移量
• with_positions_offsets：存储术语、位置和字符偏移量