将精确搜索与词干提取混合使用
编辑将精确搜索与词干提取混合使用编辑
在构建搜索应用程序时，词干提取通常是必须的，因为希望对 skiing 的查询能够匹配包含 ski 或 skis 的文档。但是，如果用户只想搜索 skiing 呢？通常的做法是使用 多字段，以便以两种不同的方式索引相同的内容。
response = client.indices.create(
index: 'index',
body: {
settings: {
analysis: {
analyzer: {
english_exact: {
tokenizer: 'standard',
filter: [
'lowercase'
]
}
}
}
},
mappings: {
properties: {
body: {
type: 'text',
analyzer: 'english',
fields: {
exact: {
type: 'text',
analyzer: 'english_exact'
}
}
}
}
}
}
)
puts response
response = client.index(
index: 'index',
id: 1,
body: {
body: 'Ski resort'
}
)
puts response
response = client.index(
index: 'index',
id: 2,
body: {
body: 'A pair of skis'
}
)
puts response
response = client.indices.refresh(
index: 'index'
)
puts response
PUT index
{
"settings": {
"analysis": {
"analyzer": {
"english_exact": {
"tokenizer": "standard",
"filter": [
"lowercase"
]
}
}
}
},
"mappings": {
"properties": {
"body": {
"type": "text",
"analyzer": "english",
"fields": {
"exact": {
"type": "text",
"analyzer": "english_exact"
}
}
}
}
}
}
PUT index/_doc/1
{
"body": "Ski resort"
}
PUT index/_doc/2
{
"body": "A pair of skis"
}
POST index/_refresh
使用这种设置，在 body 上搜索 ski 将返回两个文档。
response = client.search(
index: 'index',
body: {
query: {
simple_query_string: {
fields: [
'body'
],
query: 'ski'
}
}
}
)
puts response
GET index/_search
{
"query": {
"simple_query_string": {
"fields": [ "body" ],
"query": "ski"
}
}
}
{
"took": 2,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped" : 0,
"failed": 0
},
"hits": {
"total" : {
"value": 2,
"relation": "eq"
},
"max_score": 0.18232156,
"hits": [
{
"_index": "index",
"_id": "1",
"_score": 0.18232156,
"_source": {
"body": "Ski resort"
}
},
{
"_index": "index",
"_id": "2",
"_score": 0.18232156,
"_source": {
"body": "A pair of skis"
}
}
]
}
}
另一方面，在 body.exact 上搜索 ski 将只返回文档 1，因为 body.exact 的分析链不执行词干提取。
response = client.search(
index: 'index',
body: {
query: {
simple_query_string: {
fields: [
'body.exact'
],
query: 'ski'
}
}
}
)
puts response
GET index/_search
{
"query": {
"simple_query_string": {
"fields": [ "body.exact" ],
"query": "ski"
}
}
}
{
"took": 1,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped" : 0,
"failed": 0
},
"hits": {
"total" : {
"value": 1,
"relation": "eq"
},
"max_score": 0.8025915,
"hits": [
{
"_index": "index",
"_id": "1",
"_score": 0.8025915,
"_source": {
"body": "Ski resort"
}
}
]
}
}
这对最终用户来说并不容易理解，因为我们需要一种方法来确定他们是在寻找精确匹配还是模糊匹配，并相应地重定向到适当的字段。此外，如果只需要对查询的某些部分进行精确匹配，而其他部分仍然需要考虑词干提取，该怎么办？
幸运的是，query_string 和 simple_query_string 查询有一个功能可以解决这个问题：quote_field_suffix。这告诉 Elasticsearch 出现在引号之间的单词将被重定向到不同的字段，如下所示。
response = client.search(
index: 'index',
body: {
query: {
simple_query_string: {
fields: [
'body'
],
quote_field_suffix: '.exact',
query: '"ski"'
}
}
}
)
puts response
GET index/_search
{
"query": {
"simple_query_string": {
"fields": [ "body" ],
"quote_field_suffix": ".exact",
"query": "\"ski\""
}
}
}
{
"took": 2,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped" : 0,
"failed": 0
},
"hits": {
"total" : {
"value": 1,
"relation": "eq"
},
"max_score": 0.8025915,
"hits": [
{
"_index": "index",
"_id": "1",
"_score": 0.8025915,
"_source": {
"body": "Ski resort"
}
}
]
}
}
在上面的例子中，由于 ski 在引号之间，所以由于 quote_field_suffix 参数，它在 body.exact 字段上被搜索，所以只有文档 1 匹配。这允许用户根据需要混合使用精确搜索和词干搜索。
如果在 quote_field_suffix 中传递的字段选择不存在，则搜索将回退到使用查询字符串的默认字段。