ElasticSearch:带状疱疹 - 如果字段包含确切的带状疱疹标记则匹配短语

Question

我是 Elasticsearch 的新手，遇到以下情况时遇到问题:

1. 假设我有 2 个文档，其中只包含一个字段“文本”
   1. “文本”:“token1 token4”
   2. “文本”:“token2 token3”
   3. “文本”:“token4 token5”
2. 通过查询文本“token1 token2 token3 token4 token5”，我只想找到文档 2 和 3

我需要类似于 shingles 过滤器的东西，它将根据查询创建以下标记:

["token1 token2", "token2 token3", "token3 token4", "token4 token5"]

并将通过这些标记进行精确匹配，因此标记“token2 token3”和“token4 token5”将匹配文档

提前致谢!

Answer 1

这可以通过使用 shingle filter 来完成并使 output_unigrams false(它将阻止生成单个标记)。像这样创建你的索引

PUT shingle_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "shingle_analyzer": {
          "tokenizer": "standard",
          "filter": [
            "shingle_filter",
            "lowercase"
          ]
        }
      },
      "filter": {
        "shingle_filter":{
          "type" : "shingle",
          "max_shingle_size" : 2,
          "min_shingle_size" : 2,
          "output_unigrams" : false,
          "output_unigrams_if_no_shingles" : true
        }
      }
    }
  },
  "mappings": {
    "mytype":{
      "properties": {
        "text" : {
          "type": "string",
          "analyzer": "shingle_analyzer"
        }
      }
    }
  }
}

索引一些示例文档。

POST /shingle_index/mytype/_bulk
{"index":{"_id":5}}
{"text":"token1 token4"}
{"index":{"_id":3}}
{"text":"token2 token3"}
{"index":{"_id":2}}
{"text":"token4 token5"}

然后简单的匹配查询会给你想要的结果。

GET shingle_index/_search
{
  "query": {
    "match": {
      "text": "token1 token2 token3 token4"
    }
  }
}