在带有时间戳的单词的文档中搜索短语或单词

Question

几天来我一直在尝试这样做，我想是时候寻求一点帮助了。
我正在使用 elasticsearch 6.6（我相信如果需要它可以升级）并嵌套 c# net5。
任务是创建一个索引，其中的文档是语音到文本识别的结果，其中所有已识别的单词都有一个时间戳（以便该时间戳可用于查找原始文件中说出该单词的位置).媒体文件中有 1000 多个文本，每个文件时长 4 小时（通常是 5000~15000 字）。

主要想法是将每个文本分成 3 秒长的片段，用该时间片段中的单词创建一个文档，并对其进行索引以便进行搜索。
我认为它不会那么好用，所以下一个想法是为每个 window 的 10~12 个单词创建一个文档扫描文档并一次跳转 2 个单词，这样搜索至少可以匹配一个不错的词组，也有高亮显示。
由于它还远非完美，我认为将每个整个文本作为文档进行索引以保持其连贯性会很好，问题是与每个单词相关联的时间戳。为了保持这种关系，我尝试在文档中使用嵌套对象：

PUT index-tapes-nested
{
    "mappings" : {
        "_doc" : {
            "properties" : {
                "$type" : { "type" : "text" },
                "ContentId" : { "type" : "long" },
                "Inserted" : { "type" : "date" },
                "TrackId" : { "type" : "long" },
                "Words" : {
                    "type" : "nested",
                    "properties" : {
                      "StartMillisec" : { "type" : "integer" },
                      "Word": { "type" : "text" }
                    }
                }
            }           
        }
    }
}

这有点管用，但我不知道如何编写在索引中搜索的查询。
一个非常基本的查询可以是例如：

GET index-tapes-nested/_search
{
  "query":{
    "nested":{
      "path":"Words",
      "score_mode":"avg",
      "query":{
        "match":{
          "Words.Word": "a bunch of things"
        }
      },
      "inner_hits": {}
    }
  }
}

但是类似的东西，尤其是平均得分，给出了低质量的结果； hits中可能有正确的文档，但没有得到词序，所以不确定，不清楚。
据我了解，span_near 在这些情况下应该派上用场，但我没有得到任何结果：

GET index-tapes-nested/_search
{
  "query": {
    "nested":{
      "path":"Words",
      "score_mode": "avg",
      "query": {
        "span_near": {
          "clauses": [
            { "span_term": { "Words.Word": "bunch" }},
            { "span_term": { "Words.Word": "of" }},
            { "span_term": { "Words.Word": "things" }}
          ],
          "slop": 2,
          "in_order": true
        }
      }
    }
  }
}

我不太了解elasticsearch，也许我应该改变方法并改变模型，也许重写查询就足够了，我不知道，这很耗时，所以非常感谢任何帮助（这是一项相当常见的任务吗？）。为了简洁起见，我删减了一些东西和一些想法，如果需要，我可以提供一些数据或其他示例。
我在使用 c# nest 客户端管理嵌套索引时也遇到了问题，但那是另一回事了。

Answer 1

我猜这可以用几种方式来解释，比如字段的“替代流”，或者每个词的元数据，等等。我需要的是：https://github.com/elastic/elasticsearch/issues/5736 但还没有完成，所以现在我想我会使用 annotated_text 插件或 10 个单词 window.
我不知道在索引单个单词的情况下是否可以查询 'restores' 原始文本的完整性（这意味着 1. 按 id 对它们进行分组 2. 对它们进行排序）以便 elasticsearch 可以提供期望的结果。
如果有什么有趣的东西，或者我是否可以破解一些东西来获得我需要的东西（比如 require_field_match 或间隔查询），我会继续在文档中搜索。

在带有时间戳的单词的文档中搜索短语或单词

search phrase or words in document with timestamped words

elasticsearch-6