gpt4 book ai didi

elasticsearch - 如何在 ElasticSearch 中基于正则表达式过滤标记

转载 作者:行者123 更新时间:2023-11-29 02:53:05 24 4
gpt4 key购买 nike

对于 ElasticSearch 查询,我们希望以不同方式处理单词(即仅由字母组成的标记)和非单词。为此,我们尝试定义两个分析器,要么返回单词,要么返回非单词。

例如,我们有描述五金店产品的文档:

{
"name": "Torx drive T9",
"category": "screws",
"size": 2.5,
}

然后用户将搜索“Torx T9”并希望找到该文档。搜索 T9 过于笼统,会提供太多不相关的产品。因此,如果我们已经找到“Torx”,我们只想搜索“T9”一词。

我们尝试创建这样的查询

{
"query": {
"bool": {
"must": {
"match: {
"name": {
"query": "Torx T9",
"analyzer": "words"
}
},
"should": {
"match: {
"name": {
"query": "Torx T9",
"analyzer": "nonwords"
}
}
}
}
}

想法是创建 token 过滤器来执行此操作很简单。例如:

"settings": {
"analysis": {
"filter": {
"words": {
"type": "pattern",
"pattern": "\\A\\p{L}*\\Z",
},
"nonwords": {
"type": "pattern",
"pattern": "\\P{L}",
}
}
}

但是似乎没有一个过滤器只是匹配模式。相反,我们(ab)使用 pattern_replace 过滤器:

"settings": {
"analysis": {
"filter": {
"words": {
"type": "pattern_replace",
"pattern": "\\A((?=.*\\P{L}).*)",
"replacement": ""
},
"nonwords": {
"type": "pattern_replace",
"pattern": "\\A((?!.*\\P{L}).*)",
"replacement": ""
},
"nonempty": {
"type": "length",
"min":1
}
}
}

这会将不需要的标记替换为空标记,然后可以通过非空过滤器将其删除。这似乎可行,但所需的模式更加模糊。

有更好的表达方式吗?

最佳答案

你可以试试query-string-query将 default_operator 作为“AND”以满足您的要求。

例如,假设您正在索引两个字符串“Torx drive T9”和“Square drive T9”。如果您使用 whitespace tokenizer为了索引,字符串将被分析为以下标记

第一个文档:torxdrivet9
第二个文档:squaredrivet9

然后使用查询字符串查询来匹配具有默认运算符的文档,如 AND 将产生预期的结果。

示例映射

{
"settings": {
"analysis": {
"analyzer": {
"whitespace": {
"type": "pattern",
"pattern": "\\s+"
}
}
}
},
"mappings": {
"my_type": {
"properties": {
"name": {
"type": "string",
"analyzer": "whitespace"
}
}
}
}
}

示例查询

{
"query": {
"query_string": {
"default_field": "name",
"query": "Torx T9",
"default_operator": "AND"
}
}
}

只有当 torxt9 都出现在文档中时,此查询才会产生结果。

关于elasticsearch - 如何在 ElasticSearch 中基于正则表达式过滤标记,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35742426/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com