ngram 匹配对不太相关的文档给出相同的分数

Question

我正在我的 elasticsearch 索引中搜索 Bob Smith。结果 Bob Smith 和 Bobbi Smith 都以相同的分数返回响应。我希望 Bob Smith 获得更高的分数，以便它出现在我的结果集中的第一位。为什么分数相等？

这是我的查询

{
    "query": {
        "query_string": {
            "query": "Bob Smith",
            "fields": [
                "text_field"
            ]
        }
    }
}

以下是我的索引设置。我正在使用此处描述的 ngram 标记过滤器：https://qbox.io/blog/an-introduction-to-ngrams-in-elasticsearch

{
    "contacts_5test": {
        "aliases": {},
        "mappings": {
            "properties": {
                "text_field": {
                    "type": "text",
                    "term_vector": "yes",
                    "analyzer": "ngram_filter_analyzer"
                }
            }
        },
        "settings": {
            "index": {
                "number_of_shards": "1",
                "provided_name": "contacts_5test",
                "creation_date": "1588987227997",
                "analysis": {
                    "filter": {
                        "ngram_filter": {
                            "type": "nGram",
                            "min_gram": "4",
                            "max_gram": "4"
                        }
                    },
                    "analyzer": {
                        "ngram_filter_analyzer": {
                            "filter": [
                                "lowercase",
                                "ngram_filter"
                            ],
                            "type": "custom",
                            "tokenizer": "standard"
                        }
                    }
                },
                "number_of_replicas": "1",
                "uuid": "HqOXu9bNRwCHSeK39WWlxw",
                "version": {
                    "created": "7060199"
                }
            }
        }
    }
}

这是我的查询结果...

"hits": [
  {
    "_index": "contacts_5test",
    "_type": "_doc",
    "_id": "1",
    "_score": 0.69795835,
    "_source": {
      "text_field": "Bob Smith"
    }
  },
  {
    "_index": "contacts_5test",
    "_type": "_doc",
    "_id": "2",
    "_score": 0.69795835,
    "_source": {
      "text_field": "Bobbi Smith"
    }
  }
]

如果我改为搜索 Bobbi Smith，弹性 returns 两个文档，但 Bobbi Smith 的得分更高。这更有意义。

Answer 1

我能够重现您的问题，这是因为使用了您的 ngram_filter，它不会为 bob 创建任何令牌，因为令牌的最小长度应该成为 4，而标准分词器创建了 bob 令牌，但随后它在您提到 min_gram 为 4 的 ngram_filter 中被过滤掉了。

即使我尝试使用更短的 min_gram 长度到 3，这会创建令牌，但问题是 bob 和 bobbie 将具有相同的 bob 个标记，因此它们的分数将相同。

而当您搜索 Bobbi Smith 时，则 bobbi 即确切的标记将仅出现在一个文档中，因此您会获得更高的分数。

注意：- 请使用 analyze API and explain API 检查生成的令牌以及它们是如何匹配的，这将帮助您理解问题和我的详细解释以及我的

ngram 匹配对不太相关的文档给出相同的分数

ngram matching gives same score to less relevant documents

match

relevance

n-gram

elasticsearch