Elasticsearch - multi_match 和短查询

Question

我有这样的查询（我已经删除了排序部分，因为它无关紧要）：

GET _search
{
  "query": {
    "multi_match": {
        "query":  "somethi",
        "fields": [ "title", "content"],
        "fuzziness" : "AUTO",
        "prefix_length" : 0
    }
  }
}

运行此程序时，我得到如下结果：

"hits": [
  {
    "_index": "test_index",
    "_type": "article",
    "_id": "2",
    "_score": 0.083934024,
    "_source": {
      "title": "Matching something abc",
      "content": "This is a piece of content",
      "categories": [
        {
          "name": "B",
          "weight": 4
        }
      ]
    },
    "sort": [
      4,
      0.083934024,
      "article#2"
    ]
  },
  {
    "_index": "test_index",
    "_type": "article",
    "_id": "3",
    "_score": 0.18436861,
    "_source": {
      "title": "Matching something abc",
      "content": "This is a piece of content containing something",
      "categories": [
        {
          "name": "C",
          "weight": 3
        }
      ]
    },
    "sort": [
      3,
      0.18436861,
      "article#3"
    ]
  },
  ...

所以得到预期的结果没有问题。但是我注意到，我从查询中删除了一个字母以改为 someth，Elasticsearch 不会返回任何结果。

这对我来说很奇怪。 multi_match 似乎在进行部分匹配，但不知何故需要使用最少的 x 个字符。同样，如果我尝试输入查询，例如omethin 我会得到结果，但只使用omethi 我不会得到任何结果。

是否有任何设置来设置查询中的最小字符数，或者我可能需要重写我的查询以实现我想要的？我想在多个字段上运行匹配（在上面对标题和内容字段的查询中），这将允许部分匹配和模糊性。

Answer 1

你得到这个行为是因为你有 "fuzziness": "AUTO" 参数集，这意味着在一个超过 5 个字符的单词中，最多可以放错两个字符。通常，fuzziness parameter 告诉 elasticsearch 查找最多有两个更改的所有术语，其中更改是单个字符的插入、删除或替换。对于模糊性，不可能有两个以上的更改。

如果您需要能够使用部分匹配进行搜索，您可以尝试使用Edge NGram analyzer 配置索引并将其设置为您的title 和content 字段。您可以轻松测试它的工作原理：

使用以下映射创建 na 索引：

PUT http://127.0.0.1:9200/test
{
  "settings": {
    "analysis": {
      "analyzer": {
        "edge_ngram_analyzer": {
          "tokenizer": "my_tokenizer"
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "edge_ngram",
          "min_gram": 2,
          "max_gram": 10,
          "token_chars": [
            "letter",
            "digit"
          ]
        }
      }
    }
  }
}

然后运行这个查询：

curl -X POST \
  'http://127.0.0.1:9200/test/_analyze?pretty=true' \
  -d '{
  "analyzer" : "edge_ngram_analyzer",
  "text" : ["something"]
}'

结果你会得到：

{
    "tokens": [
        {
            "token": "so",
            ...
        },
        {
            "token": "som",
            ...
        },
        {
            "token": "some",
            ...
        },
        {
            "token": "somet",
            ...
        },
        {
            "token": "someth",
            ...
        },
        {
            "token": "somethi",
            ...
        },
        {
            "token": "somethin",
            ...
        },
        {
            "token": "something",
            ...
        }
    ]
}

这些是您在使用edge_ngram_analyzer 进行搜索时将获得的令牌。使用 min_gram 和 max_gram，您可以配置 gram 中字符的最小/最大长度。

如果您需要处理omething 等的情况（开头缺少字母）尝试与NGram analyzer 相同。