elasticsearch - Elasticsearch-查询具有不同术语的主要和次要属性

Question

我正在使用Elasticsearch查询最初从具有很多冗余的几个关系数据库中导出的数据。现在，我要在具有主属性和一个或多个应匹配的辅助属性的地方执行查询。我尝试使用带有必须项和应该项的 bool(boolean) 查询，但是这似乎不适用于我的情况，可能看起来像这样:

例:

我有一个用户的fullname和street name的文档，我想搜索其他索引中的相似用户。因此，我的查询的最佳匹配应该是fullname上的最佳匹配和streetname字段上的最佳匹配。但是由于原始数据存在很多冗余和不一致之处，因此fullname字段(我是从name1，name2，name3字段中手动创建的)可能多次包含相同的名称，并且似乎Elasticsearch在必填字段中将double匹配列为更高的名称比应属性中的匹配项。

这意味着，我想使用以下示例数据查询John Doe Back Street:

{
    "fullname" : "John Doe John and Jane",
    "street" : "Main Street"

}
{
    "fullname" : "John Doe",
    "street" : "Back Street"

}

长话短说，我想查询一个主要属性 fullname - John Doe和次要属性 street - Back Street，并希望第二个文档最匹配，而不是第一个文档，因为它多次包含 John。

Answer 1

在Elasticsearch中操纵相关性不是最容易的部分。分数计算基于三个主要部分:

词频

反文档频率

字段长度范数

不久:

这个词经常出现在现场，更多相关的是

该术语经常出现在整个索引中，与LESS相关的是

期限越长，与

相关的更多

我建议您阅读以下 Material :

What Is Relevance?

Theory Behind Relevance Scoring

Controlling Relevance和子页面

如果通常，对于您而言， fullname的结果比 street的结果更重要，则可以提高第一个结果的重要性。下面有基于我的工作代码的示例代码:

{
  "query": {
    "multi_match": {
      "query": "john doe",
      "fields": [
        "fullname^10",
        "street"
      ]
    }
  }
}

在此示例中， fullname的结果比 ^10的结果重要十倍( street)。您可以尝试操纵提升或使用其他方式来控制相关性，但是正如我在开始时提到的那样-这不是最简单的方式，并且一切都取决于您的特定情况。主要是因为“反文档频率”部分考虑了整个索引中的术语-每个下一个添加到索引的文档都可能会更改同一搜索查询的得分。

我知道我没有直接回答，但希望能帮助您了解它的工作原理。