solr - 包含多个单词的elasticsearch短语频率.tf()

Question

我想访问由多个单词组合而成的短语的频率
例如“绿色能源”

我可以访问“绿色”和“能源”的TF，例如:

"function_score":
{
    "filter" : {
        "terms" : { "content" : ["energy","green"]}
    },
    "script_score": {
        "script": "_index['content']['energy'].tf() + _index['content']['green'].tf()",
        "lang":"groovy"
    }
}

这很好。但是，我怎样才能找到“绿色能源”一词的频率

_index['content']['green energy'].tf() 

不起作用

Answer 1

我认为这取决于您如何索引数据以及搜索时有什么要求。例如，如果您有“可以节省的间接绿色能源”(意味着“绿色”和“能源”彼此接近)，并且希望脚本与“绿色能源”“匹配”并给您一个tf( )评估，那么您需要相应地索引数据。就像您说的那样-“绿色能源”一词的频率归结为产生该术语“绿色能源”。

在您的情况下，一个想法是对"content"使用另一个字段，但使用"shingles"分析器:

PUT /some_index
{
  "settings": {
    "analysis": {
      "filter": {
        "my_shingle_filter": {
          "type": "shingle",
          "min_shingle_size": 2,
          "max_shingle_size": 2,
          "output_unigrams": false
        }
      },
      "analyzer": {
        "my_shingle_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "my_shingle_filter"
          ]
        }
      }
    }
  },
  "mappings": {
    "some_type": {
      "properties": {
        "content": {
          "type": "string",
          "index": "analyzed",
          "fields": {
            "with_shingles": {
              "type": "string",
              "analyzer": "my_shingle_analyzer"
            }
          }
        }
      }
    }
  }
}

在功能评分中，您将引用 .with_shingles字段:

{
  "query": {
    "function_score": {
      "filter": {
        "terms": {
          "content": [
            "energy",
            "green"
          ]
        }
      },
      "script_score": {
        "script": "_index['content.with_shingles']['green energy'].tf()",
        "lang": "groovy"
      }
    }
  }
}

这只是一个示例，证明您需要相应地索引数据，以便获得所需的 .tf()。在我的示例中，我假设您要搜索确切的术语“绿色能源”，因此我使用了“带状疱疹”，对于上面的示例来说，该文本会生成如下分析的术语列表: "content.with_shingles": ["energy to","green energy","indirect green","to spare"]。