一起來玩Elasticsearch，加我微信：wx1250134974

Elasticsearch認證復習準備

https://www.elastic.co/guide/cn/elasticsearch/guide/current/getting-started.html

##近似匹配概念：

舉例說明：對于“eat food” ，不僅僅能區分是否包含eat或者food這一層，還能區分eat food這個關系（這個關系也僅僅是分詞之間臨近）。可以用這個功能做自動機器人應答，把歷史的問與答存儲好，通過檢索更符合的問題，找到歷史應答。

?

?

1、近似匹配

GET /my_index/my_type/_search

{

????"query": {

????????"match_phrase": {

????????????"title": "quick brown fox"

????????}

????}

}

注：所有的term必須都出現，并且位置順序也必須一樣

?

?

GET /my_index/my_type/_search

{

????"query": {

????????"match_phrase": {

????????????"title": {

???????????? "query": "quick fox",

???????????? "slop": ?1

????????????}

????????}

????}

}

注：所有term必須全部出現，位置約束可以放寬一些（slop 控制位置約束嚴格的靈活度）

?

?

?

?

?

?

?

?

GET /my_index/my_type/_search

{

??"query": {

????"bool": {

??????"must": {

????????"match": {

??????????"title": {

????????????"query": ???????????????"quick brown fox",

????????????"minimum_should_match": "30%"

??????????}

????????}

??????},

??????"should": {

????????"match_phrase": {

??????????"title": {

????????????"query": "quick brown fox",

????????????"slop": ?50

??????????}

????????}

??????}

????}

??}

}

注：使用鄰近度來提高相關度，這樣可以返回較多的結果，且鄰近度高的會排在前面。

?

?

GET /my_index/my_type/_search

{

????"query": {

????????"match": { ?

????????????"title": {

????????????????"query": ???????????????"quick brown fox",

????????????????"minimum_should_match": "30%"

????????????}

????????}

????},

????"rescore": {

????????"window_size": 50,

????????"query": { ????????

????????????"rescore_query": {

????????????????"match_phrase": {

????????????????????"title": {

????????????????????????"query": "quick brown fox",

????????????????????????"slop": ?50

????????????????????}

????????????????}

????????????}

????????}

????}

}

注：

match 查詢決定哪些文檔將包含在最終結果集中，并通過 TF/IDF 排序。

window_size 是每一分片進行重新評分的頂部文檔數量。

?

?

?

在索引時生成相關詞term，這樣關系就存在于term中，有助于更精確匹配合適文檔。這種操作性能還是不錯的，唯一犧牲的可能就是多占用磁盤了

PUT /my_index2

{

????"settings": {

????????"number_of_shards": 1, ?

????????"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"

????????????????????]

????????????????}

????????????}

????????}

????}

}

注：

?

?

A、"min_shingle_size"和"max_shingle_size" 默認最小/最大的 shingle 大小是 2 ，所以實際上不需要設置。

B、"output_unigrams" shingle 語匯單元過濾器默認輸出 unigrams ，但是我們想讓 unigrams 和 bigrams 分開。

C、my_shingle_analyzer 使用我們常規的 my_shingles_filter 語匯單元過濾器。

?

?

GET /my_index2/_analyze?analyzer=my_shingle_analyzer

{

??"text":"Sue ate the alligator"

}

注：看下分詞效果，使用的話就直接用即可，最好把這個分詞的效果單獨存放使用。

?

?

?

?

一起來玩Elasticsearch，加我微信：wx1250134974

?

總結

以上是生活随笔為你收集整理的3-Elasticsearch深入搜索-近似匹配的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。