gpt4 book ai didi

elasticsearch - 获得正确的多值字段搜索相关性

转载 作者:行者123 更新时间:2023-12-02 22:56:48 24 4
gpt4 key购买 nike

我有一个实体,可以有任意数量的标题。在某些情况下,每个实体有几十个甚至数百个标题。

这些标题以数组形式存储在elasticsearch中的单个字段中。
该字段具有带有复杂标记器的复杂分析器。

问题在于,elastic将数组字段(具有一组值的字段)考虑为单个“字符串”,并且搜索结果的相关性被计算为整个“字符串”中的总相关性。但是我需要的是一个特定匹配数组元素的相关性。

下面是一个非常简化的示例。

创建索引

curl -XDELETE 'http://localhost:9200/tests'
curl -XPUT 'http://localhost:9200/tests' -d'{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"type": "custom",
"tokenizer": "edge_ngram_tokenizer",
"filter": ["lowercase", "asciifolding"]
}
},
"tokenizer": {
"edge_ngram_tokenizer": {
"type": "edgeNGram",
"min_gram": "3",
"max_gram": "12",
"token_chars": ["letter", "digit"]
}
}
}
},
"mappings": {
"test": {
"properties": {
"name": {
"type": "string",
"analyzer": "my_analyzer"
}
}
}
}
}'

人口指数
curl -XPOST 'http://localhost:9200/tests/test' -d'{ "id": 1, "name": ["text"] }'
curl -XPOST 'http://localhost:9200/tests/test' -d'{ "id": 2, "name": ["text", "text"] }'

搜索
curl -XGET 'http://localhost:9200/tests/test/_search' -d'{
"query": {
"match": {
"name": "text"
}
}
}'

结果
{
"took": 0,
"timed_out": false,
"_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0 },
"hits": {
"total": 2,
"max_score": 0.7911257,
"hits": [{
"_index": "tests",
"_type": "test",
"_id": "AWOtIL2gdpqdbX7hdDXg",
"_score": 0.7911257,
"_source": { "id": 2, "name": [ "text", "text" ] }
}, {
"_index": "tests",
"_type": "test",
"_id": "AWOtIL0ldpqdbX7hdDXf",
"_score": 0.51623213,
"_source": { "id": 1, "name": [ "text" ] }
}]
}
}

如您所见, id:2 具有相关性 0.7911257 ,而 id:1 具有相关性 0.51623213

我需要两个结果都具有相同的相关性。

有什么办法可以实现?

我知道有两种解决方法,但是都不适合我。也许还有其他选择?

a)当标题的数量相对较少时,可以将标题分别存储在单独的字段中:name_0,name_1,name_2等。
这些字段可以通过使用 tie_breaker:0 dis_max 请求来查询,相关性很好。
"query": {
"dis_max": {
"queries": [
{ "match": { "name_0": "text" } },
{ "match": { "name_1": "text" } },
{ "match": { "name_2": "text" } }
],
"tie_breaker": 0,
"boost": 1
}
}

b)每个标题可以 flex 存储在单独的行中
curl -XPOST 'http://localhost:9200/tests/test' -d'{ "product_id": 1, "name": "text" }'
curl -XPOST 'http://localhost:9200/tests/test' -d'{ "product_id": 2, "name": "text" }'
curl -XPOST 'http://localhost:9200/tests/test' -d'{ "product_id": 2, "name": "text" }'

在这种情况下,结果必须由product_id进一步汇总。因此,我们在结果分页和结果的进一步汇总方面遇到了问题。

最佳答案

我认为要添加到您的name字段:
"index_options": "docs"
会做魔术。

此设置将告诉ES不在乎该字段的TF。

如果您想了解更多信息,请检查Theory in relevance

关于elasticsearch - 获得正确的多值字段搜索相关性,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50604567/

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