elasticsearch - Elasticsearch如何匹配字段 token 是查询 token 的子集的文档

Question

我有一个关键字/关键短语字段，我使用标准分析器将其标记化。如果要搜索的短语中包含该字段的所有标记，我希望此字段匹配。

例如，如果字段值为“veni，vidi，vici”，而搜索短语为“Ceaser veni，vidi，vici”，则我希望此搜索短语匹配，但搜索短语“veni，vidi”不匹配。

我还需要“vidi，veni，vici”(很奇怪!)进行匹配。因此，术语的位置和顺序并不是很重要。我认为，词组匹配对我不太有用。

对于此特定示例，我可以将“ bool(boolean) 查询”与“minimum_should_match”参数一起使用，但这并不是我真正想要的，因为匹配的最小值应与搜索词组中标记的比率/数量有关。

Answer 1

纯ES解决方案将像这样。您将需要两个请求。

1)首先，您需要通过analyze api传递用户查询以获取所有搜索 token 。

curl -XGET 'localhost:9200/_analyze' -d '
{
  "analyzer" : "standard",
  "text" : "Ceaser veni,vidi,vici"
}'

您将获得4个 token stopr，veni，vidi，vici。您需要将这些标记作为数组传递给下一个 search请求。

2)我们需要搜索 token 为搜索 token 的 子集的文档。

{
  "query": {
    "filtered": {
      "filter": {
        "bool": {
          "must": [
            {
              "query": {
                "match": {
                  "title": "Ceaser veni,vidi,vici"
                }
              }
            },
            {
              "script": {
                "script": "if(search_tokens.containsAll(doc['title'].values)){return true;}",
                "params": {
                  "search_tokens": [
                    "ceaser",
                    "veni",
                    "vidi",
                    "vici"
                  ]
                }
              }
            }
          ]
        }
      }
    }
  }
}

过滤器中第一个 match query的工作是缩小应在其上运行脚本的文档的范围。 containsAll方法将检查文档 token 是否为搜索 token 的 sublist。这会很慢，但是可以使用您当前的设置来完成工作。您可以做的一大改进是将 token 存储为数组，以便 doc['title'].values可以替换为该字段，从而改善脚本。

希望这可以帮助!