在Elasticsearch中正确排序以进行完全匹配和“开头为”（前缀）

一尘不染

在Elasticsearch中正确排序以进行完全匹配和“开头为”（前缀）

elasticsearch

我需要使用Elasticsearch改进搜索结果列表。

假设我们有3个文档，其中包含单个字段和内容，如下所示：

“苹果”
“青苹果”
“苹果树”

如果我搜索“苹果”，可能会发生这样的情况：我得到的排序结果如下：

“青苹果”
“苹果树”
“苹果”

但是我想要的是具有最高分数的精确匹配项，这里是带有“ apple”的文档。

下一个最高分应该是搜索词开头的条目，这里是“ apple tree”，其余按默认方式排序。

所以我想要这个：

“苹果”
“苹果树”
“青苹果”

我试图通过使用rescore实现它：

curl -X GET "http://localhost:9200/my_index_name/_search?size=10&pretty" -H 'Content-Type: application/json' -d'
{
   "query": {
      "query_string": {
          "query": "apple"
      }
   },
   "rescore": {
      "window_size": 500,
      "query": {
         "score_mode": "multiply",
         "rescore_query": {
            "bool": {
               "should": [
                  {
                     "match": {
                        "my_field1": {
                           "query": "apple",
                           "boost": 4
                        }
                     }
                  },
                  {
                     "match": {
                        "my_field1": {
                           "query": "apple*",
                           "boost": 2
                        }
                     }
                  }
               ]
            }
         },
         "query_weight": 0.7,
         "rescore_query_weight": 1.2
      }
   }
}'

但这并不是真的有效，因为Elasticsearch似乎用空格将所有单词分隔开。例如，搜索“ apple *”也将提供“ green
apple”。这似乎是recore无法为我工作的原因。

可能还有其他字符，例如点“。”，“-”，“;” 等等，Elasticsearch用来拆分和弄乱我的排序。

我还在“ rescore_query”中使用了“ match_phrase”，而不是“ bool”，但是没有成功。

我也尝试过只有一场比赛：

curl -X GET "http://localhost:9200/my_index_name/_search?size=10&pretty" -H 'Content-Type: application/json' -d'
{
   "query": {
      "query_string": {
          "query": "apple"
      }
   },
   "rescore": {
      "window_size": 500,
      "query": {
         "score_mode": "multiply",
         "rescore_query": {
            "bool": {
               "should": [
                  {
                     "match": {
                        "my_field1": {
                           "query": "apple*",
                           "boost": 2
                        }
                     }
                  }
               ]
            }
         },
         "query_weight": 0.7,
         "rescore_query_weight": 1.2
      }
   }
}'

它似乎可行，但我仍然不确定。这是正确的方法吗？

EDIT1：对于其他查询，一个匹配重新评分无法正常工作。

阅读 1724

2020-06-22

共1个答案

一尘不染

您唯一需要在分数上进行操作的地方是完全匹配，否则按词条位置的顺序将为您提供正确的顺序。让我们通过以下内容了解这一点：

首先创建一个映射，如下所示：

PUT test
{
  "mappings": {
    "_doc": {
      "properties": {
        "my_field1": {
          "type": "text",
          "analyzer": "whitespace",
          "fields": {
            "keyword": {
              "type": "keyword"
            }
          }
        }
      }
    }
  }
}

我已经创建了my_field1带有whitespace分析器的字段，以确保通过仅将空格用作定界符来创建令牌。其次，我创建了一个名为keywordtype
的子字段keyword。keyword将保存输入字符串的非分析值，我们将使用它进行精确匹配。

让我们向索引添加一些文档：

PUT test/_doc/1
{
  "my_field1": "apple"
}

PUT test/_doc/2
{
  "my_field1": "apple tree"
}

PUT test/_doc/3
{
  "my_field1": "green apple"
}

如果使用以下查询搜索术语apple，则文档的顺序将为2、1、3。

POST test/_doc/_search
{
  "explain": true,
  "query": {
    "query_string": {
      "query": "apple",
      "fields": [
        "my_field1"
      ]
    }
  }
}

"explain": true在上面的查询中，在输出中给出分数计算步骤。阅读本文将使您了解文档的评分方式。

我们需要做的就是提高得分以实现完全匹配。我们将对场进行精确匹配my_field1.keyword。您可能有一个问题，为什么不这样呢my_field1。这样做的原因是因为my_field1经过分析，当为3个文档的输入字符串生成令牌时，都会针对此字段存储一个令牌（术语）apple（以及其他术语（例如，tree对于doc
2和greendoc 3，如果存在其他术语））
。当我们在此字段上对术语进行完全匹配时，apple所有文档都会匹配，并且对每个文档的得分都会产生相似的影响，因此得分没有变化。由于只有一个文档具有apple与my_field1.keyword该文档（文档1）相对的确切值，因此可以匹配精确查询，因此我们将对其进行增强。因此查询将是：

{
  "query": {
    "bool": {
      "should": [
        {
          "query_string": {
            "query": "apple",
            "fields": [
              "my_field1"
            ]
          }
        },
        {
          "query_string": {
            "query": "\"apple\"",
            "fields": [
              "my_field1.keyword^2"
            ]
          }
        }
      ]
    }
  }
}

以上查询的输出：

{
  "took": 9,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 3,
    "max_score": 1.7260925,
    "hits": [
      {
        "_index": "test3",
        "_type": "_doc",
        "_id": "1",
        "_score": 1.7260925,
        "_source": {
          "my_field1": "apple"
        }
      },
      {
        "_index": "test3",
        "_type": "_doc",
        "_id": "2",
        "_score": 0.6931472,
        "_source": {
          "my_field1": "apple tree"
        }
      },
      {
        "_index": "test3",
        "_type": "_doc",
        "_id": "3",
        "_score": 0.2876821,
        "_source": {
          "my_field1": "green apple"
        }
      }
    ]
  }
}

2020-06-22