如果字段以术语开头，则提高分数

Question

我正在尝试在我的网站上进行高效的自动完成搜索输入，以搜索城市。我假设人们总是会以正确的单词顺序开始搜索他们的城市名称。 例如。居住在Saint-Maur 的用户会输入sai..，但不会首先输入mau..。

如果结果以查询中的术语开头，我需要提高结果分数。例如。如果用户输入pari，则城市Parigné-le-Pôlin 的得分应该高于Fontenay-en-Parisis，因为它以pari 开头。

我正在使用边缘语法过滤器和短语匹配，因为单词的顺序很重要。我确信我的问题有一个简单的解决方案，但我是 ES 魔法世界的新手 :)

这是我的映射：

{
    "settings": {
        "index": {
            "number_of_shards": 1
        },

        "analysis": {
            "analyzer": {
                "partialPostalCodeAnalyzer": {
                    "tokenizer": "standard",
                    "filter": ["partialFilter"]
                },
                "partialNameAnalyzer": {
                    "tokenizer": "standard",
                    "filter": ["asciifolding", "lowercase", "word_delimiter", "partialFilter"]
                },
                "searchAnalyzer": {
                    "tokenizer": "standard",
                    "filter": ["asciifolding", "lowercase", "word_delimiter"]
                }
            },

            "filter": {
                "partialFilter": {
                    "type": "edge_ngram",
                    "min_gram": 1,
                    "max_gram": 50
                }
            }
        }
    },

    "mappings": {
        "village": {
            "properties": {
                "postalCode": {
                    "type": "string",
                    "index_analyzer": "partialPostalCodeAnalyzer",
                    "search_analyzer": "searchAnalyzer"
                },

                "name": {
                    "type": "string",
                    "index_analyzer": "partialNameAnalyzer",
                    "search_analyzer": "searchAnalyzer"
                },

                "population": {
                    "type": "integer",
                    "index": "not_analyzed"
                }
            }
        }
    }
}

一些示例：

PUT /tv_village/village/1 {"name": "Paris"}
PUT /tv_village/village/2 {"name": "Parigny"}
PUT /tv_village/village/3 {"name": "Fontenay-en-Parisis"}
PUT /tv_village/village/4 {"name": "Parigné-le-Pôlin"}

如果我执行此查询，您会看到结果不是我希望的顺序（我希望第 4 个结果在 3d 之前）：

GET /tv_village/village/_search
{
  "query": {
    "match_phrase": {
      "name": "pari"
    }
  }
}

结果：

      "hits": [
         {
            "_index": "tv_village",
            "_type": "village",
            "_id": "1",
            "_score": 0.7768564,
            "_source": {
               "name": "Paris"
            }
         },
         {
            "_index": "tv_village",
            "_type": "village",
            "_id": "2",
            "_score": 0.7768564,
            "_source": {
               "name": "Parigny"
            }
         },
         {
            "_index": "tv_village",
            "_type": "village",
            "_id": "3",
            "_score": 0.3884282,
            "_source": {
               "name": "Fontenay-en-Parisis"
            }
         },
         {
            "_index": "tv_village",
            "_type": "village",
            "_id": "4",
            "_score": 0.3884282,
            "_source": {
               "name": "Parigné-le-Pôlin"
            }
         }
      ]

Answer 1

在您的映射定义中，放置另一个分析器：

            "keywordLowercaseAnalyer": {
              "tokenizer": "keyword",
              "filter": ["lowercase"]
            }

意思是保持单词完整（通过keyword 分析器）并将其小写（如“parigné-le-pôlin”）。 然后为您的 name 字段定义另外两个字段：

• 一个raw应该是not_analyzed

• 一个应该使用keywordLowercaseAnalyer的raw_lowercase

  "name": {
    "type": "string",
    "index_analyzer": "partialNameAnalyzer",
    "search_analyzer": "searchAnalyzer",
    "fields": {
      "raw": {
        "type": "string",
        "index": "not_analyzed"
      },
      "raw_lowercase": {
        "type": "string",
        "analyzer": "keywordLowercaseAnalyer"
      }
    }
  }
  

我这样做是因为您可以搜索“pari”或“Pari”。在您的查询中，使用rescore 功能根据附加查询重新计算评分：

{
  "query": {
    "match_phrase": {
      "name": "pari"
    }
  },
  "rescore": {
    "query": {
      "rescore_query": {
        "bool": {
          "should": [
            {"prefix": {"name.raw": "pari"}},
            {"prefix": {"name.raw_lowercase": "pari"}}
          ]
        }
      }
    }
  }
}

从您的用例角度和关于prefix 查询的角度来看，有两个缺点：

• 这非常耗费资源
• 传递给prefix 的值是not_analyzed，这就是添加这两个raw* 字段的原因：一个字段处理小写版本，另一个处理未触及的版本，以便查询“pari " 或 "Pari" 涵盖了这些场景。

我有两个建议：

• 在您的真实数据上测试上面的查询，看看它的行为方式和性能方面
• 在rescore 查询中使用window_size 属性来限制执行重新评分的值的数量，从而提高性能。

供您参考，这是documentation page for rescore。