Elasticsearch

Question

我有一个 elasticsearch v2.x 集群，其 "tags" 索引包含大约 5000 个标签：{tagName, tagID}。给定一个字符串，是否可以查询标签索引以获取在该字符串中找到的所有标签？我不仅想要精确匹配，而且我还希望能够控制模糊匹配而不是过于慷慨。太慷慨了，只有当标签中的所有标记都在彼此一定的接近范围内（比如 5 个词）时，标签才应该匹配。

例如，给定字符串：

Model 22340 Sound Spectrum Analyzer

以下标签应匹配：

sound analyzer sound spectrum analyzer

但不是

sound meter light spectrum chemical analyzer

Answer 1

"query": {
"match": {
  "tagName": {
    "query":     "Model 22340 Sound Spectrum Analyzer",
    "fuzziness": "AUTO",
    "operator":  "or"
  }
}

}

如果您想要相等匹配以使 "sound meter" 不匹配，您必须为每个添加另一个字段在标签名称中包含术语计数的标签，添加一个脚本来计算查询中的术语并在 match_query 中添加两者的比较，请参阅：Finding Multiple Exact Values.

关于接近度问题：由于您需要 "Fuzzyness" 您无法控制接近度，因为 "match_phrase" 查询未与 Fuzzyness 集成，如 Elastic 文档 Fuzzy-match-query 所述：

Fuzziness works only with the basic match and multi_match queries. It doesn’t work with phrase matching, common terms, or cross_fields matches.

所以你需要决定：模糊与接近。

Answer 2

当然可以。您只需使用 standard 分析器匹配查询即可实现您想要的结果。

curl -XGET "http://localhost:9200/tags/_search?pretty" -d '{
  "query": {
    "match" : {
      "tagName" : "Model 22340 Sound Spectrum Analyzer"
    }
  }
}'

Answer 3

我认为不可能创建一个准确的 elasticsearch 查询来自动标记随机字符串。这基本上是一个反向查询。将标签与文档匹配的最准确方法是为标签构建查询，然后搜索文档。显然，如果您需要遍历每个标签来自动标记文档，这将是非常低效的。

要进行反向查询，您想使用 Elasticsearch Percolator API:

https://www.elastic.co/guide/en/elasticsearch/reference/current/search-percolate.html

API 非常灵活，允许您对具有多个字段的文档创建相当复杂的查询。

基本概念是这样的（假设您的标签有一个特定于应用程序的 ID 字段）：

为每个标签创建一个查询，并使用过滤器注册查询（使用标签的 ID 字段）。
要自动标记一个字符串，将您的字符串（作为文档）传递给 Percolator，它将与所有已注册的查询进行匹配。
遍历匹配项。每个匹配项都包含查询的 _id。使用 _id 引用标签。

这也是一篇值得阅读的文章：https://www.elastic.co/blog/percolator-redesign-blog-post

Elasticsearch - 使用 "tags" 索引来发现给定字符串中的所有标签

Elasticsearch - use a "tags" index to discover all tags in a given string

elasticsearch-2.0