Elasticsearch

Question

假设我们在 Available Job positions Index:

上执行如下两个查询

PHP 开发者
Ruby 开发者

当执行简单的布尔值 AND 查询位置时，如 PHP Programmer 将被排除，因为缺少 开发者。当对包含 Ruby developer[=39= 的 PHP Developer 文档执行 OR 布尔查询时] 也将包含在结果中。

检测PHP Developer 短语中的最佳方法是什么，PHP 更比 Developer?
重要
因此，在针对 PHP 开发人员 执行搜索时，PHP 术语必须出现在结果中，但 Developer 部分只会增加分数。

Answer 1

我认为没有简单的答案。根据开发人员等术语的数量，您可以执行类似 Boosting 查询的操作。您必须过滤搜索查询中的字词并创建提升查询。

https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-boosting-query.html

更好的方法可能是使用常用术语查询。在这里你可以给出很多文档中的术语，"high frequency" 个术语，不太重要。将 low_freq_operator 与 AND 一起使用可以帮助您完成您想要完成的任务。

https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-common-terms-query.html

Answer 2

您可以使用常规 "match" 查询并添加 "cutoff_frequency" 参数。喜欢：

{
     "query": {
           "match": {
                "<field_name>": {
                      "query": "PHP Developer",
                      "operator": "AND",
                      "cutoff_frequency": 0.001
                }                
           }
     }
}

这样，出现在不到 0.1% 的文档中的每个术语都将被视为 "important"，并且将是 "must"，而其他术语不会是 "must" 但只是增加分数。 "Developer" 将比 "PHP" 更常见，因此 "PHP" 将是必须的，但 "Developer" 将是可选的但评级更高。请注意，"PHP" 可能仍然很常见，因此您确实需要微调正确的频率！

Answer 3

您可以为该字段使用自定义分析器，使该字段的标记始终保持一致。在这种情况下，您可以在停用词列表中使用类型为 "stop" 的标记过滤器（停用词过滤器）和 "Developer"（以及任何其他应有效忽略的内容）。这将在索引时应用于查询和数据，因此如果索引中有 "PHP Developer"，查询中有 "PHP"，它们都将变成 [=34= 的标记] 所以它们将是完全匹配的。

为了使它对不同的输入方式更稳健 "Developer"，您可能还想使用 "lowercase" 标记过滤器，因此停用词将改为 "developer"。

您应该注意，这将需要重新索引数据。

设置文件最终会变成这样：

{
  "analysis": {
     "filter": {
        "job_stopwords": {
            "type": "stop",
            "stopwords": [
                "developer", "dev"
            ]
        }
     },
     "analyzer": {
        "job_analyzer": {
            "type": "custom",
            "filter": [
                "lowercase", "job_stopwords"
            ]
        }
     }
}

然后您需要将 job_analyzer 分析器应用到文档映射中的作业字段。

要 "Developer" 增加匹配分数，您可以在该字段的映射上添加一个子字段，它使用默认分析器。然后，您可以 "must" job_analyzer 和 "should" 默认分析版本。

您的映射看起来像这样：

{
   "job_posting": {
       "properties": {
           "job_type": {
               "type": "string",
               "analyzer": "job_analyzer",
               "fields": {
                    "default": {
                        "type": "string"
                    }
                }
            }
        }
    }
}

您的查询将是这样的：

{
   "query": {
       {
          "bool": {
             "must": {
                 "match": {
                      "job_type" : "PHP Developer"
                 }
             },
             "should": {
                 "match": {
                      "job_type.default" : "PHP Developer"
                 }
             }
          }
      }
   }
}

将匹配 "PHP Developer"、"php dEv" 和 "PHP"，但 "PHP Developer" 将获得最高分。

Elasticsearch - 如何猜测查询中的重要单词？

Elasticsearch - How to guess important words in queries?

full-text-search

precision

booleanquery