Elasticsearch 相关性——具有相似名称的文档

Question

我正在寻找一种方法来处理 elasticsearch 与 "bottle" 和 "bottle caps"

等文档名称的相关性

当有人查找 "bottle"（搜索词）时，- "bottle caps" 的得分应低于 "Red bottles"。

目前我们的搜索引擎评分 "red coloured bottle" 的相关性低于 "Bottle caps for 500ml bottle"

Answer 1

如果不添加更多信息，这不是您可以在 Elasticsearch 中解决的问题。您希望将 "red bottles" 排在 "bottle caps" 之上，因为您知道这些名称的语义信息——您知道 "red bottles" 表示它所谈论的是 "bottle"，并且 "bottle caps" 表示它所谈论的是其他东西（与瓶子有关，但实际上不是瓶子）。如果你想让 Elasticsearch 的排名考虑到这些信息，你必须索引信息（也许添加一个关键字标签字段，一个带有 "bottle" 和一个 "bottle caps" - 你将不得不尝试看看什么适用于您的用例）。当然这意味着一个人必须为所有东西打广告标签。

但是，我怀疑您可以通过 unique filter 改善这种情况。我的猜测是您不太关心单个标题中的词频（"Bottle caps for 500ml bottle" 与瓶子的关系不大，因为 "bottle" 在其中出现了两次——词频对像这样的标题意义不大这个我觉得）。所以你可以这样做：

PUT /myindex
{
  "settings": {
    "index": {
      "number_of_shards": 1
    },
    "analysis": {
      "analyzer": {
        "uniq_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "porter_stem",
            "unique"
          ]
        }
      }
    }
  },
  "mappings": {
    "doc": {
      "properties": {
        "name": {
          "type": "text",
          "analyzer": "uniq_analyzer"
        }
      }
    }
  }
}

PUT /myindex/doc/1
{"name": "Red coloured bottles"}

PUT /myindex/doc/2
{"name": "Bottle caps for 500ml bottle"}

然后，如果您搜索 bottle，您会发现分数是相同的 — 不完美，但有所改进。如果您想了解分数的来源，可以使用 explain:

POST /myindex
{
  "explain": true,
  "query": {
    "match": 
      {"name": "bottle"}
  }
}

Elasticsearch 相关性——具有相似名称的文档

Elasticsearch relevance- documents with similar names

elasticsearch

search

search-engine

relevance