如何解决更改 lucene/elasticsearch 中的复合令牌默认行为
Lucene/elasticsearch 提供了复合令牌/子令牌的可能性。这是一个重要的功能,例如德语单词组合。 lucene 的默认行为是将子标记与 OR
组合在一起,以免影响召回并排除返回的文档。但是,在特定情况下,则相反。
假设我要索引以下两个文档:
文档 1:
PUT /idxwith/_doc/1
{
"name": "stockfisch"
}
文档 2:
PUT /idxwith/_doc/2
{
"name" : "laufstock"
}
这里的单词会分解如下:
stockfisch ==> stock,fisch
laufstock ==> lauf,stock
现在使用以下搜索查询:
POST /idxwith/_search
{
"query": {
"match": {
"name": {
"query": "stockfisch"
}
}
}
}
我希望只返回第一个文档 - 事实并非如此。由于子标记与 OR
结合,两个文档都将被返回(影响我的搜索精度):
"hits" : [
{
"_index" : "idxwith","_type" : "_doc","_id" : "1","_score" : 0.3287766,"_source" : {
"name" : "stockfisch"
}
},{
"_index" : "idxwith","_id" : "2","_score" : 0.241631,"_source" : {
"name" : "laufstock"
}
}
]
我正在寻找有关如何调整 lucene(或弹性)以使此行为可配置的提示,即能够定义子令牌在必要时与 AND
组合。
谢谢!
解决方法
要解决这个问题,您可以使用 matchphrase 查询,如下所示:
POST /idxwith/_search
{
"query": {
"match_phrase": {
"name": {
"query": "stockfisch"
}
}
}
}
短语查询以任何顺序匹配最多可配置的 slop(默认为 0)的术语。转置词的斜率为 2。有关 MatchPhrase 的更多信息,请检查 here。
也可以在匹配查询中使用运算符,这意味着所有术语都应该在术语中,更多信息 here。
在您的具体情况下,我认为 Match_Phrase 是一个更好的选择,因为术语的顺序很重要。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。