elasticsearch - 如果字段以术语开头，则提高分数

Question

我正在尝试在我的网站上进行高效的自动完成搜索输入，以搜索城市。我认为人们将总是开始以正确的词序搜索他们的城市名称。
例如。居住在Saint-Maur中的用户将键入sai..，但绝不会首先键入mau..。

如果结果以查询中的字词开头，则需要提高结果的分数。例如。如果用户键入pari，则城市Parigné-le-Pôlin的得分应比Fontenay-en-Parisis更好，因为它以pari开头。

我正在使用边缘语法过滤器和短语匹配，因为单词的顺序很重要。我确定我的问题有一个简单的解决方案，但是我是ES魔术界的新手:)

这是我的映射:

{
    "settings": {
        "index": {
            "number_of_shards": 1
        },

        "analysis": {
            "analyzer": {
                "partialPostalCodeAnalyzer": {
                    "tokenizer": "standard",
                    "filter": ["partialFilter"]
                },
                "partialNameAnalyzer": {
                    "tokenizer": "standard",
                    "filter": ["asciifolding", "lowercase", "word_delimiter", "partialFilter"]
                },
                "searchAnalyzer": {
                    "tokenizer": "standard",
                    "filter": ["asciifolding", "lowercase", "word_delimiter"]
                }
            },

            "filter": {
                "partialFilter": {
                    "type": "edge_ngram",
                    "min_gram": 1,
                    "max_gram": 50
                }
            }
        }
    },

    "mappings": {
        "village": {
            "properties": {
                "postalCode": {
                    "type": "string",
                    "index_analyzer": "partialPostalCodeAnalyzer",
                    "search_analyzer": "searchAnalyzer"
                },

                "name": {
                    "type": "string",
                    "index_analyzer": "partialNameAnalyzer",
                    "search_analyzer": "searchAnalyzer"
                },

                "population": {
                    "type": "integer",
                    "index": "not_analyzed"
                }
            }
        }
    }
}

一些样本:

PUT /tv_village/village/1 {"name": "Paris"}
PUT /tv_village/village/2 {"name": "Parigny"}
PUT /tv_village/village/3 {"name": "Fontenay-en-Parisis"}
PUT /tv_village/village/4 {"name": "Parigné-le-Pôlin"}

如果执行此查询，您会看到结果与我想要的顺序不一样(我希望第4个结果在3d之前):

GET /tv_village/village/_search
{
  "query": {
    "match_phrase": {
      "name": "pari"
    }
  }
}

结果:

      "hits": [
         {
            "_index": "tv_village",
            "_type": "village",
            "_id": "1",
            "_score": 0.7768564,
            "_source": {
               "name": "Paris"
            }
         },
         {
            "_index": "tv_village",
            "_type": "village",
            "_id": "2",
            "_score": 0.7768564,
            "_source": {
               "name": "Parigny"
            }
         },
         {
            "_index": "tv_village",
            "_type": "village",
            "_id": "3",
            "_score": 0.3884282,
            "_source": {
               "name": "Fontenay-en-Parisis"
            }
         },
         {
            "_index": "tv_village",
            "_type": "village",
            "_id": "4",
            "_score": 0.3884282,
            "_source": {
               "name": "Parigné-le-Pôlin"
            }
         }
      ]

Answer 1

在您的映射定义中，放置另一个分析器:

            "keywordLowercaseAnalyer": {
              "tokenizer": "keyword",
              "filter": ["lowercase"]
            }

意思是，保持单词完整(通过 keyword分析器)，并将其小写(例如“parigné-le-pôlin”)。
然后为 name字段定义另外两个字段:

应该是raw的一个not_analyzed

应该使用raw_lowercase的一种keywordLowercaseAnalyer

"name": {
  "type": "string",
  "index_analyzer": "partialNameAnalyzer",
  "search_analyzer": "searchAnalyzer",
  "fields": {
    "raw": {
      "type": "string",
      "index": "not_analyzed"
    },
    "raw_lowercase": {
      "type": "string",
      "analyzer": "keywordLowercaseAnalyer"
    }
  }
}

我这样做是因为您可以搜索“pari”或“Pari”。在您的查询中，使用 rescore功能根据其他查询重新计算得分:

{
  "query": {
    "match_phrase": {
      "name": "pari"
    }
  },
  "rescore": {
    "query": {
      "rescore_query": {
        "bool": {
          "should": [
            {"prefix": {"name.raw": "pari"}},
            {"prefix": {"name.raw_lowercase": "pari"}}
          ]
        }
      }
    }
  }
}

从用例 Angular 和关于 prefix查询有两个缺点:

这是相当耗费资源的

传递给prefix的值是not_analyzed，这就是添加这两个raw*字段的原因:一个字段处理小写版本，另一个字段处理未修改的版本，以便查询“pari”或“Pari”涵盖这些情况。

我有两个建议:

在实际数据上测试上面的查询，以查看其行为，性能明智

与window_size查询一起使用rescore属性，以限制执行计分的值的数量，从而提高性能。

供您引用，这是 documentation page for rescore 。