elasticsearch - Elasticsearch:仅搜索单词形式

Question

我有文档集合，他们有tags字段，它是字符串数组。每个字符串是一个单词。
例:

[{
 "id": 1,
 "tags": [ "man", "boy", "people" ]
}, {
 "id": 2,
 "tags":[ "health", "boys", "people" ]
}, {
 "id": 3,
 "tags":[ "people", "box", "boxer" ]
}]

现在，我只需要查询包含单词“boy”及其形式(在我的示例中为“boys”)的文档。我不需要elasticsearch返回3号文档，因为它不是男孩的形式。

如果我使用 fuzzy查询，我将获得所有三个文档以及不需要的3号文档。据我了解，elasticsearch使用levenshtein距离来确定doc是否相关。

如果我使用 match查询，我只会得到数字1，而不会两者都得到(1,2)。

我想知道是否可以通过单词形式匹配来查询文档。有没有办法使 flex 匹配“公爵”，“公爵夫人”，“公爵”而不是“堤防”，“公爵”，“自行车”等等？对于“duke”，这是更复杂的情况，但我也需要支持这种情况。

可能可以使用分析仪的某些特定设置来解决？

Answer 1

我猜您使用“单词形式匹配”是指匹配同一单词的词形变化。这可能与处理复数，单数，大小写，时态，词缀等有关。请记住，单词变体的规则是特定于语言的

Elasticsearch的模糊性实现基于Damerau–Levenshtein distance。它仅根据编辑时的数量来处理独立于特定语言的突变(更改，变换，换位)。

您将需要在索引编制和搜索时更改字符串的处理，以通过词干处理来解决特定于语言的变化。这可以通过为您的字段配置合适的分析器来完成，该分析器执行和的特定语言。

假设您的标签全部为英文，则标签的映射应类似于:

"tags": {
  "type": "text",
  "analyzer": "english"
}

由于您无法更改现有索引的类型或分析器，因此需要修复映射，然后重新为所有索引编制索引。

我不确定公爵和公爵夫人是否被认为是同一个词(因此，词干必须指出)。如果没有，您将需要使用自定义的分析器来配置同义词。

另请参见Elasticsearch引用: Language Analyzers