在 Elasticsearch 中正确排序精确匹配和“开头”（前缀）

Question

我需要使用 Elasticsearch 改进搜索结果列表。

假设我们有 3 个具有单个字段和内容的文档，如下所示：

• “苹果”
• “青苹果”
• “苹果树”

如果我搜索“apple”，可能会得到这样排序的结果：

• “青苹果”
• “苹果树”
• “苹果”

但我想要的是获得最高分的完全匹配，这里是带有“apple”的文档。

下一个最高分应该是以搜索词开头的条目，这里是“苹果树”，其余排序默认方式。

所以我想拥有它：

• “苹果”
• “苹果树”
• “青苹果”

我已经尝试通过使用 rescore 来实现它：

curl -X GET "http://localhost:9200/my_index_name/_search?size=10&pretty" -H 'Content-Type: application/json' -d'
{
   "query": {
      "query_string": {
          "query": "apple"
      }
   },
   "rescore": {
      "window_size": 500,
      "query": {
         "score_mode": "multiply",
         "rescore_query": {
            "bool": {
               "should": [
                  {
                     "match": {
                        "my_field1": {
                           "query": "apple",
                           "boost": 4
                        }
                     }
                  },
                  {
                     "match": {
                        "my_field1": {
                           "query": "apple*",
                           "boost": 2
                        }
                     }
                  }
               ]
            }
         },
         "query_weight": 0.7,
         "rescore_query_weight": 1.2
      }
   }
}'

但这并不真正有效，因为 Elasticsearch 似乎用空格分隔所有单词。例如，搜索“apple*”也将提供“green apple”。这似乎是重新评分对我不起作用的原因。

可能还有其他字符，例如点“.”、“-”、“;”等等，Elasticsearch 用来拆分和弄乱我的排序。

我还在“rescore_query”中使用“match_phrase”而不是“bool”，但没有成功。

我也试过只匹配一个：

curl -X GET "http://localhost:9200/my_index_name/_search?size=10&pretty" -H 'Content-Type: application/json' -d'
{
   "query": {
      "query_string": {
          "query": "apple"
      }
   },
   "rescore": {
      "window_size": 500,
      "query": {
         "score_mode": "multiply",
         "rescore_query": {
            "bool": {
               "should": [
                  {
                     "match": {
                        "my_field1": {
                           "query": "apple*",
                           "boost": 2
                        }
                     }
                  }
               ]
            }
         },
         "query_weight": 0.7,
         "rescore_query_weight": 1.2
      }
   }
}'

它似乎有效，但我仍然不确定。这是正确的做法吗？

EDIT1：对于其他查询，一个匹配重新评分无法正常工作。

Answer 1

您需要对分数进行操作的唯一地方是完全匹配，否则术语的位置顺序会为您提供正确的顺序。让我们通过以下方式来理解这一点：

让我们首先创建如下映射：

PUT test
{
  "mappings": {
    "_doc": {
      "properties": {
        "my_field1": {
          "type": "text",
          "analyzer": "whitespace",
          "fields": {
            "keyword": {
              "type": "keyword"
            }
          }
        }
      }
    }
  }
}

我使用whitespace 分析器创建了字段my_field1，以确保使用空格作为唯一分隔符来创建标记。其次，我创建了一个名为keyword 的子字段，类型为keyword。 keyword 将保存输入字符串的未分析值，我们将使用它进行精确匹配。

让我们在索引中添加一些文档：

PUT test/_doc/1
{
  "my_field1": "apple"
}

PUT test/_doc/2
{
  "my_field1": "apple tree"
}

PUT test/_doc/3
{
  "my_field1": "green apple"
}

如果使用下面的查询来搜索术语apple，文档的顺序将是 2,1,3。

POST test/_doc/_search
{
  "explain": true,
  "query": {
    "query_string": {
      "query": "apple",
      "fields": [
        "my_field1"
      ]
    }
  }
}

"explain": true 在上述查询中给出了输出中的分数计算步骤。阅读本文将使您了解文档的评分方式。

我们需要做的就是提高精确匹配的分数。我们将对字段my_field1.keyword 进行精确匹配。您可能有一个问题，为什么不my_field1。这样做的原因是因为分析了my_field1，当为 3 个文档的输入字符串生成标记时，都将有一个标记（术语）apple（以及其他术语，如果存在，例如tree 用于文档 2和green for doc 3) 存储在此字段上。当我们在该字段上对术语 apple 运行完全匹配时，所有文档都将匹配并对每个文档的分数产生类似的影响，因此分数没有变化。由于只有一个文档具有 apple 与 my_field1.keyword 的精确值，因此该文档（文档 1）将匹配精确查询，我们将对此进行改进。所以查询将是：

{
  "query": {
    "bool": {
      "should": [
        {
          "query_string": {
            "query": "apple",
            "fields": [
              "my_field1"
            ]
          }
        },
        {
          "query_string": {
            "query": "\"apple\"",
            "fields": [
              "my_field1.keyword^2"
            ]
          }
        }
      ]
    }
  }
}

上述查询的输出：

{
  "took": 9,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 3,
    "max_score": 1.7260925,
    "hits": [
      {
        "_index": "test3",
        "_type": "_doc",
        "_id": "1",
        "_score": 1.7260925,
        "_source": {
          "my_field1": "apple"
        }
      },
      {
        "_index": "test3",
        "_type": "_doc",
        "_id": "2",
        "_score": 0.6931472,
        "_source": {
          "my_field1": "apple tree"
        }
      },
      {
        "_index": "test3",
        "_type": "_doc",
        "_id": "3",
        "_score": 0.2876821,
        "_source": {
          "my_field1": "green apple"
        }
      }
    ]
  }
}