elasticsearch - 我可以知道 "more like this"查询的选定术语吗

Question

我正在尝试微调“更像这样”查询，使其适用于非常相似的文档(正式公告，大部分文本都是"template"，因此只有某些段落很重要)。

所以我想知道，给定一个选定的文档，对于我的“max_query_terms”:20，选择哪些术语，使用解释的查询仅显示其中哪些确实在检索到的文档中找到，而不是整个集合二十个代币。

我知道这组术语是先将引用文档与索引进行比较而选择的，以构建唯一的“匹配”查询，但是...当我浏览解释的命中时，我有超过 20 个标记...

例如，如果我使用 ngram，则 max_query_terms 适用于分析文本的标记？或者分析之前的术语，即采用 20 个单词，然后将我的过滤器(停用词、省略、ngram 等)应用于此集合？

有没有办法通过rest或者api来检索mlt算法生成的匹配查询？

Answer 1

您必须将 validate 与 explain 结合使用，才能了解 Elastic 选择了哪些术语。

GET /imdb/movies/_validate/query?explain=true
{
  "query": {
    "more_like_this": {
      "like": {
        "_id": "88247"
      }
    }
  }
}

回应:

{
   ...
   "explanations": [
      {
         "index": "imdb",
         "valid": true,
         "explanation": "filtered((((title:terminator^3.71334 plot:kyle^1.0604408 plot:cyborg^1.0863208 ... )~2)) -ConstantScore(_uid:movies#88247))->cache(_type:movies)"
      }
   ]
}

请参阅此discussion还有这个pull request了解更多详情。