我可以知道“更像这样”查询的选定术语吗

Question

我正在尝试微调“更像这样”的查询，使其适用于非常相似的文档（正式公告，大部分文本是“模板”，因此只有某些段落是重要的）。

所以我想知道，给定一个选定的文档，对于我的“max_query_terms”：20，选择了哪些术语，使用解释查询仅显示哪些确实在检索到的文档中找到，而不是整个集合二十个令牌。

我知道一组术语是在将参考文档与索引进行比较之前先验选择的，以构建唯一的“匹配”查询，但是......当我浏览解释的命中时，我有超过 20 个标记......

例如，如果我使用 ngrams，max_query_terms 适用于分析文本的标记？或在分析之前使用术语，即取 20 个单词然后将我的过滤器（停用词、省略号、ngram 等）应用于此集合？

有没有办法通过rest或者api来检索mlt算法生成的匹配查询？

Answer 1

您必须结合使用validate 和explain 才能了解elastic 选择了哪些术语。

GET /imdb/movies/_validate/query?explain=true
{
  "query": {
    "more_like_this": {
      "like": {
        "_id": "88247"
      }
    }
  }
}

回复：

{
   ...
   "explanations": [
      {
         "index": "imdb",
         "valid": true,
         "explanation": "filtered((((title:terminator^3.71334 plot:kyle^1.0604408 plot:cyborg^1.0863208 ... )~2)) -ConstantScore(_uid:movies#88247))->cache(_type:movies)"
      }
   ]
}

请查看discussion 和pull request 了解更多详情。