elasticsearch - Elasticsearch-语料库大小/总词频

Question

有没有一种方法可以获取我数据子集中某个字段的语料库大小？换句话说，我想计算某个字段的所有单词。这些单词在满足查询条件的文档中。

此信息由术语 vector 提供。术语 vector 可以应用于特定文档，但不能应用于多个文档。 Multi-term vectors允许指定文档ID列表，以检索每个文档中每个术语的每个术语 vector 统计信息。不幸的是，它们没有汇总，我必须自己汇总。

是否有一种更具 flex 的方法来实现合计项统计？我可以使用groovy scripts汇总术语 vector 吗？

解决方案:
@Val，感谢您的解决方案。所有带有my_int_value=1的文档的查询如下:

GET /index/type/_search?search_type=count
{
  "query": {
    "filtered": {
      "filter": {
        "term": {
          "my_int_value": 1
        }
      }
    }
  },
  "aggs" : {
    "counting" : {
      "sum" : {
        "field" : "your_field.word_count"
      }
    }
  }
}

Answer 1

如果您只关心字段中标记/单词的数量，则还可以在字符串字段中声明 token_count 子字段。您的映射如下所示:

{
    "your_type" : {
        "properties" : {
            "your_field" : {
                "type" : "string",
                "fields" : {
                    "word_count": {
                        "type" : "token_count",
                        "store" : "yes",
                        "analyzer" : "standard"
                    }
                }
            }
        }
    }
}

然后在查询中，您可以引用 your_field.word_count字段以获取 your_field中可用的标记/单词的数量。