elasticsearch - 将word_delimiter与edgeNGram一起使用会忽略Word_Delimiter token

Question

我有以下自定义分析器。但是我不明白如何实现我的目标。

我的目标是我要用空格分隔倒排索引，但我也要在用户输入最少3个字符后具有自动完成功能。为此，我虽然将word_delimiter和edgeNGram token 组合如下

{
  "settings": {
    "index": {
      "analysis": {
        "analyzer": {
          "my_analyzer": {
            "tokenizer": "whitespace",
            "filter": [
              "standard",
              "lowercase",
              "my_word_delimiter",
              "my_edge_ngram_analyzer"
            ],
            "type": "custom"
          }
        },
        "filter": {
          "my_word_delimiter": {
            "catenate_all": true,
            "type": "word_delimiter"
          },
          "my_edge_ngram_analyzer": {
            "min_gram": 3,
            "max_gram": 10,
            "type": "edgeNGram"
          }
        }
      }
    }
  }
}

这将为“Brother TN-200”提供如下结果。但是我期望“tn”也包含在还原索引中，因为我有word_delimiter token 。为什么不在倒排索引中？我该如何实现？

curl -XGET "localhost:9200/myIndex/_analyze?analyzer=my_analyzer&pr
    etty=true" -d "Brother TN-200"
    {
      {
        "token" : "bro",
        "start_offset" : 14,
        "end_offset" : 21,
        "type" : "word",
        "position" : 2
      }, {
        "token" : "brot",
        "start_offset" : 14,
        "end_offset" : 21,
        "type" : "word",
        "position" : 2
      }, {
        "token" : "broth",
        "start_offset" : 14,
        "end_offset" : 21,
        "type" : "word",
        "position" : 2
      }, {
        "token" : "brothe",
        "start_offset" : 14,
        "end_offset" : 21,
        "type" : "word",
        "position" : 2
      }, {
        "token" : "brother",
        "start_offset" : 14,
        "end_offset" : 21,
        "type" : "word",
        "position" : 2
      }, {
        "token" : "tn2",
        "start_offset" : 22,
        "end_offset" : 28,
        "type" : "word",
        "position" : 3
      }, {
        "token" : "tn20",
        "start_offset" : 22,
        "end_offset" : 28,
        "type" : "word",
        "position" : 3
      }, {
        "token" : "tn200",
        "start_offset" : 22,
        "end_offset" : 28,
        "type" : "word",
        "position" : 3
      }, {
        "token" : "200",
        "start_offset" : 25,
        "end_offset" : 28,
        "type" : "word",
        "position" : 4
      }]
    }

更新:

当然，如果我使用“min_gram”:2，则“tn”将位于还原索引中，但我不希望这样做，因为如果任何其他单词在该单词中包含“tn”，它将出现在结果列表中。
例如关于“hp”关键字。我正在为“惠普”获得产品，因为我的产品就像“hp xxx”，但我也得到了一个名为“tech hpc”的产品。在输入“hpc”之前，我不希望显示该产品。这就是我设定3。

如果我不使用edgeNGram标记程序，而仅使用word_delimiter，则“tn”在反转索引中，因为Brother TN-200将被索引为brother，tn和200。这就是为什么我希望word_delimiter使“tn”成为反转索引。如果将它与edgeNGram一起使用，它没有用吗？ –

Answer 1

在my_edge_ngram_analyzer中，min_gram设置为3，因此任何长度小于3个代码点的 token 都不会显示。
如果要显示TN，则需要将其设置为2。

例:

get <my_index>/_analyze?tokenizer=whitespace&filters=my_edge_ngram_analyzer&text=TN

上面的调用将返回0个 token 。