elasticsearch - 带有部分单词搜索的ElasticSearch “H & R Block”

Question

要求是能够搜索以下术语:

“H＆R”找到“H＆R Block”。

我已经成功使用word_delimiter单独实现了此要求，如此答案 elasticsearch tokenize "H&R Blocks" as "H", "R", "H&R", "Blocks"所述

使用 ruby 代码:

{
  char_filter: {
    strip_punctuation: { type: "mapping", mappings: [".=>", ",=>", "!=>", "?=>"] },
  },
  filter: {
    my_splitter: { 
      type: "word_delimiter", 
      preserve_original: true 
    }
  },
  analyzer: {
    my_analyzer {
      char_filter: %w[strip_punctuation],
      type: "custom",
      tokenizer: "whitespace",
      filter: %w[lowercase asciifolding my_splitter]
    }
  }
}

而且，在同一查询中，我们需要自动完成功能或部分单词匹配，因此

“Ser”，“Serv”，“Servi”，“Servic”和“Service”都找到“Service”和“Services”。

我设法使用ngram单独实现了这一要求。

{
  char_filter: {
    strip_punctuation: { type: "mapping", mappings: [".=>", ",=>", "!=>", "?=>"] }
  },
  analyzer: {
    my_analyzer: {
      char_filter: %w[strip_punctuation],
      tokenizer: "my_ngram",
      filter: %w[lowercase asciifolding]
    }
  },
  tokenizer: {
    my_ngram: {
      type: "nGram",
      min_gram: "3",
      max_gram: "10",
      token_chars: %w[letter digit]
    }
  } 
}

我只是无法一起实现它们。当我使用ngram时，会忽略短词，因此省略了“H＆R”。当我使用word_delimiter时，部分单词搜索将停止工作。下面，我最近尝试合并这两个要求，结果是支持部分单词搜索，但不支持“H＆R”。

{
  char_filter: {
    strip_punctuation: { type: "mapping", mappings: [".=>", ",=>", "!=>", "?=>"] }
  },
  filter: {
    my_splitter: {
      type: "word_delimiter",
      preserve_original: true
    }
  },
  analyzer: {
    my_analyzer: {
      char_filter: %w[strip_punctuation],
      type: "custom",
      tokenizer: "my_tokenizer",
      filter: %w[lowercase asciifolding my_splitter]
    }
  },
  tokenizer: {
    my_tokenizer: {
      type: "nGram",
      min_gram: "3",
      max_gram: "10",
      token_chars: %w[letter digit]
    }
  } 
}

Answer 1

您可以使用映射中的 multi_field 以多种方式索引同一字段。您可以在默认字段上使用带有自定义标记器的全文搜索，并为自动完成需求创建特殊的索引。

"title": {
    "type": "string",
    "fields": {
        "raw":   { "type": "string", "index": "not_analyzed" }
    }
}

执行自动完成时，您的查询需要稍有不同，因为该字段将是 title.raw而不是 title。

一旦以对查询有意义的所有方式对字段进行了索引，就可以使用 bool(boolean) 型“应该”查询来查询索引，该查询应与标记化版本和单词start查询匹配。可能应该为与完整单词匹配的第一个查询提供更大的提升，以使直接匹配排在最前面。