elasticsearch - 处理 ElasticSearch 中的点

Question

我有一个名为 summary 的字符串属性有 analyzer设置为 trigrams和 search_analyzer设置为 words .

"filter": {
    "words_splitter": {
        "type": "word_delimiter",
        "preserve_original": "true"
    },
    "english_words_filter": {
        "type": "stop",
        "stop_words": "_english_"
    },
    "trigrams_filter": {
        "type": "ngram",
        "min_gram": "2",
        "max_gram": "20"
    }
},
"analyzer": {
    "words": {
        "filter": [
            "lowercase",
            "words_splitter",
            "english_words_filter"
        ],
        "type": "custom",
        "tokenizer": "whitespace"
    },
    "trigrams": {
        "filter": [
            "lowercase",
            "words_splitter",
            "trigrams_filter",
            "english_words_filter"
        ],
        "type": "custom",
        "tokenizer": "whitespace"
    }
}

我需要输入中给出的查询字符串，例如 React and HTML (或 React, html )正在匹配包含在 summary 中的文档单词React , reactjs , react.js , html , html5 .随着他们拥有的匹配关键字越多，他们的分数就越高(我希望在理想情况下，只有一个词匹配度甚至达不到 100% 的文档的分数会更低)。

事情是，我猜现在react.js分为react和 js因为我得到了所有包含 js 的文档以及。另一方面，Reactjs什么都不返回。我也觉得需要words_splitter为了忽略逗号。

Answer 1

您可以使用关键字标记过滤器和定义分析器来解决名称如 react.js 的问题，以便它使用关键字过滤器。这将防止 react.js 被拆分为 react 和 js 标记。

这是过滤器的示例配置:

     "filter": {
        "keywords": {
           "type": "keyword_marker",
           "keywords": [
              "react.js",
           ]
        }
     }

分析器:

     "analyzer": {
        "main_analyzer": {
           "type": "custom",
           "tokenizer": "standard",
           "filter": [
              "lowercase",
              "keywords",
              "synonym_filter",
              "german_stop",
              "german_stemmer"
           ]
        }
     }

您可以使用分析命令查看您的分析器是否按要求运行:

GET /<index_name>/_analyze?analyzer=main_analyzer&text="react.js is a nice library"

这应该返回以下标记，其中 react.js 未标记:

{
   "tokens": [
      {
         "token": "react.js",
         "start_offset": 1,
         "end_offset": 9,
         "type": "<ALPHANUM>",
         "position": 0
      },
      {
         "token": "is",
         "start_offset": 10,
         "end_offset": 12,
         "type": "<ALPHANUM>",
         "position": 1
      },
      {
         "token": "a",
         "start_offset": 13,
         "end_offset": 14,
         "type": "<ALPHANUM>",
         "position": 2
      },
      {
         "token": "nice",
         "start_offset": 15,
         "end_offset": 19,
         "type": "<ALPHANUM>",
         "position": 3
      },
      {
         "token": "library",
         "start_offset": 20,
         "end_offset": 27,
         "type": "<ALPHANUM>",
         "position": 4
      }
   ]
}

对于与 React.js 和 Reactjs 相似但不完全相同的词，您可以使用同义词过滤器。您是否有一组固定的要匹配的关键字？