elasticsearch - 如何使用Elasticsearch在一组文本上计算同现

Question

我正在收集有关ElasticSearch的报纸文章。我想找到一个主题中最常出现的单词。 ElasticSearch有可能吗？我举一个例子来更好地解释:
我在我的收藏集中搜索唐纳德·特朗普，发现了2000篇文章。是否可以解析所有这些文章，收集所有 token 并对其进行排序以计数？

像这样:

 {Donald Trump {USA: 200 times on 150 docs}, {presidential: 180 times on 130 docs},{Clinton: 150 times on 100 docs},{republican: 120 times on 110 docs}, etcetera...

Answer 1

虽然“术语”聚合确实可以为您提供您所描述的数据，但是您可能希望研究significant terms aggregation以获得更深入的数据。

以您的示例为例，搜索“王牌”将给您“美国”作为最常见的术语，但是对于“候选人”数据集中的大多数其他查询，情况就是如此。一个重要的术语聚合可能会显示“共和”，这是查询所描述的子集的更重要的特征。