php - Elasticsearch-分数词匹配/部分词匹配

Question

我是Elasticsearch的新手，我很难在结果上得到想要的分数。

这是我到目前为止获得的最佳工作选择。

$options['query']['bool']['should'][] = [
    'match' => [
        'my_long_textfield' => [
            'query' => $query,
            'operator' => 'AND',
            'boost' => 15
        ]
    ]
];

$options['query']['bool']['should'][] = [
    'match' => [
        'my_long_textfield' => [
            'query' => $query,
            'minimum_should_match' => '80%'
        ]
    ]
];

示例数据集(两行):

my_long_textfield:
"some cars move fast"
"a car can move quickly"

如果我的查询是“car fast”，它将给第二行最高分，因为第一行包含“car”而不是“cars”。

我想给单词匹配以及部分单词打分。

因此，对于查询“car fast”，我们在单词“fast”上有一个匹配项，而“car”在第一行中几乎是一个单词匹配项。这应该比第二行中只有一个单词匹配更高。

如果有人能指出我正确的方向，将不胜感激。

Answer 1

解决问题的方法有很多，但最简单的方法是利用分析器。在您的情况下，您可以将my_long_textfield配置为使用 english language analyzer，除了删除停用词之外，它还会阻止(即为car编制索引cars)，这是您在此处需要的(在进入模糊性之前)。

因此，首先使用适合该字段的分析器创建索引:

PUT test
{
  "mappings": {
    "properties": {
      "my_long_textfield": {
        "type": "text",
        "analyzer": "english"
      }
    }
  }
}

然后索引两个测试文档:

POST test/_doc/_bulk
{ "index": {}}
{ "my_long_textfield": "some cars move fast" }
{ "index": {}}
{ "my_long_textfield": "a car can move quickly" }

然后，您的查询将为您提供准确的期望，即第一个文档的得分高于第二个文档:

POST test/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "my_long_textfield": {
              "query": "car fast",
              "operator": "AND",
              "boost": 15
            }
          }
        },
        {
          "match": {
            "my_long_textfield": {
              "query": "car fast",
              "minimum_should_match": "80%"
            }
          }
        }
      ]
    }
  }
}

结果=>

"hits" : [
  {
    "_index" : "test",
    "_type" : "_doc",
    "_id" : "w3uIlm0B0Vd4Dh649_Vg",
    "_score" : 14.0075,
    "_source" : {
      "my_long_textfield" : "some cars move fast"
    }
  },
  {
    "_index" : "test",
    "_type" : "_doc",
    "_id" : "xHuIlm0B0Vd4Dh649_Vg",
    "_score" : 0.18232156,
    "_source" : {
      "my_long_textfield" : "a car can move quickly"
    }
  }
]

如果再想一想，我们也可以添加 synonym token filter，因为 fast和 quick确实是同一回事，但这是另一回事。