Elasticsearch EdgeNgram 没有首先返回较短的结果

Question

当我在一个字段上搜索时，评分似乎没有考虑字段的长度(即文本较长的文档与较短的文档的评分相同，并且出于某种原因放在前面)。不确定我做错了什么。

字段索引如下:

"name": {
        "type": "string",
        "analyzer": "autocomplete"
      },
"_alias": {
        "type": "string",
        "analyzer": "autocomplete"
      }

分析器:

"autocomplete": {
        "char_filter": [
          "special_character_mapping"
        ],
        "filter": [
          "lowercase",
          "autocomplete_filter"
        ],
        "tokenizer": "whitespace"
      }

过滤器:

"autocomplete_filter": {
                "type": "edge_ngram",
                "min_gram": 1,
                "max_gram": 20
              }

查询 1:

{
    "query": {
        "multi_match": {
            "query": "brown fo",
            "type": "most_fields",
            "fields": [
                "name",
                "_alias"
            ],
            "use_dis_max": true,
            "tie_breaker": 1,
            "minimum_should_match": "100%",
            "analyzer": "standard"
        }
    }
}

这会返回很多文档，例如:

• 棕色狐狸
• 棕狐
• 布朗尼为

在第 10 名左右终于有:

• 棕狐

更不用说有一份文档(Brown fox tree)排在第 15 位左右，也有一个未考虑的别名“Brown”。

查询 2:

{
    "query": {
        "multi_match": {
            "query": "brown fo",
            "type": "cross_fields",
            "fields": [
                "name",
                "_alias"
            ],
            "use_dis_max": true,
            "tie_breaker": 1,
            "minimum_should_match": "100%",
            "analyzer": "standard"
        }
    }
}

这会返回更好的结果:

• 棕狐狸树
• 棕狐
• 棕狐

第二个和第三个文档的得分总是相同的。第一个的别名是“Brown”，排在最前面。

我尝试了各种 multi_match 类型和 query_string 但结果是一样的。

如何让文本较短的文档(lucene自己做？)排在前面？

Answer 1

由于您的字段 name 和 _alias 已使用 autocomplete 分析器指定(请注意，因为您仅在索引时使用该分析器时间，你应该指定 index_analyzer 而不是 analyzer)，你的输入将是:

1. 以空格分隔
2. 步骤 1 中的标记将被小写
3. 第 2 步中的小写标记将被拆分为前缀

所以对于你上面给出的所有输入文本，它是这样的:

棕色狐狸 => b, br, bro, brow, brown, browne, browned, f, fo, 狐狸

棕狐 => b, br, bro, brow, brown, browni, brownis, brownish, f, fo，狐狸，狐狸，狐狸

Browny for => b, br, bro, brow, brown、browny、f、fo、for

棕狐 => b, br, bro, brow, 棕色、f、fo、狐狸

棕狐树 => b, br, bro, brow , brown, f, fo, fox, t, tr , tre, 树

现在，当您使用标准 分析器搜索brown fo 时，搜索标记将是:brown 和fo

如您所见，标记 brown 和 fo 出现在上面的所有 搜索词中，因此它们基本上是等价的。唯一会影响评分(以及排序顺序)的是是否在 name 或 _alias 字段(或两者)中找到这些术语以及 type 您正在使用的字段匹配。没有看到具体的文档很难说，但您绝对应该尝试将 ?explain=true 添加到您的查询中，以更深入地了解评分的计算方式。