multi_match查詢

multi_match查詢提供了一個(gè)簡便的方法用來對多個(gè)字段執(zhí)行相同的查詢。

NOTE

存在幾種類型的multi_match查詢，其中的3種正好和在“了解你的數(shù)據(jù)”一節(jié)中提到的幾種類型相同：best_fields，most_fields以及cross_fields。

默認(rèn)情況下，該查詢以best_fields類型執(zhí)行，它會(huì)為每個(gè)字段生成一個(gè)match查詢，然后將這些查詢包含在一個(gè)dis_max查詢中。下面的dis_max查詢：

1 { 2 "dis_max": { 3 "queries": [ 4 { 5 "match": { 6 "title": { 7 "query": "Quick brown fox", 8 "minimum_should_match": "30%" 9 } 10 } 11 }, 12 { 13 "match": { 14 "body": { 15 "query": "Quick brown fox", 16 "minimum_should_match": "30%" 17 } 18 } 19 }, 20 ], 21 "tie_breaker": 0.3 22 } 23 }

可以通過multi_match簡單地重寫如下：

1 { 2 "multi_match": { 3 "query": "Quick brown fox", 4 "type": "best_fields", 5 "fields": [ "title", "body" ], 6 "tie_breaker": 0.3, 7 "minimum_should_match": "30%" 8 } 9 }

注意到以上的type屬性為best_fields。?minimum_should_match和operator參數(shù)會(huì)被傳入到生成的match查詢中。

在字段名中使用通配符

字段名可以通過通配符指定：任何匹配了通配符的字段都會(huì)被包含在搜索中。你可以通過下面的查詢來匹配book_title，chapter_title以及section_title字段：

1 { 2 "multi_match": { 3 "query": "Quick brown fox", 4 "fields": "*_title" 5 } 6 }

提升個(gè)別字段

個(gè)別字段可以通過caret語法(^)進(jìn)行提升：僅需要在字段名后添加^boost，其中的boost是一個(gè)浮點(diǎn)數(shù)：

1 { 2 "multi_match": { 3 "query": "Quick brown fox", 4 "fields": [ "*_title", "chapter_title^2" ] 5 } 6 }

chapter_title字段的boost值為2，而book_title和section_title字段的boost值為默認(rèn)的1。

?

多數(shù)字段(Most Fields)

全文搜索是一場召回率(Recall) - 返回所有相關(guān)的文檔，以及準(zhǔn)確率(Precision) - 不返回?zé)o關(guān)文檔，之間的戰(zhàn)斗。目標(biāo)是在結(jié)果的第一頁給用戶呈現(xiàn)最相關(guān)的文檔。

為了提高召回率，我們會(huì)廣撒網(wǎng) - 不僅包括精確匹配了用戶搜索詞條的文檔，還包括了那些我們認(rèn)為和查詢相關(guān)的文檔。如果一個(gè)用戶搜索了"quick brown fox"，一份含有fast foxes的文檔也可以作為一個(gè)合理的返回結(jié)果。

如果我們擁有的相關(guān)文檔僅僅是含有fast foxes的文檔，那么它會(huì)出現(xiàn)在結(jié)果列表的頂部。但是如果我們有100份含有quick brown fox的文檔，那么含有fast foxes的文檔的相關(guān)性就會(huì)變低，我們希望它出現(xiàn)在結(jié)果列表的后面。在包含了許多可能的匹配后，我們需要確保相關(guān)度高的文檔出現(xiàn)在頂部。

一個(gè)用來調(diào)優(yōu)全文搜索相關(guān)性的常用技術(shù)是將同樣的文本以多種方式索引，每一種索引方式都提供了不同相關(guān)度的信號(hào)(Signal)。主要字段(Main field)中含有的詞條的形式是最寬泛的(Broadest-matching)，用來盡可能多的匹配文檔。比如，我們可以這樣做：

• 使用一個(gè)詞干提取器來將jumps，jumping和jumped索引成它們的詞根：jump。然后當(dāng)用戶搜索的是jumped時(shí)，我們?nèi)匀荒軌蚱ヅ浜衘umping的文檔。
• 包含同義詞，比如jump，leap和hop。
• 移除變音符號(hào)或者聲調(diào)符號(hào)：比如，ésta，está和esta都會(huì)以esta被索引。

但是，如果我們有兩份文檔，其中之一含有jumped，而另一份含有jumping，那么用戶會(huì)希望第一份文檔的排序會(huì)靠前，因?yàn)樗杏脩糨斎氲木_值。

我們可以通過將相同的文本索引到其它字段來提供更加精確的匹配。一個(gè)字段可以包含未被提取詞干的版本，另一個(gè)則是含有變音符號(hào)的原始單詞，然后第三個(gè)使用了shingles，用來提供和單詞鄰近度相關(guān)的信息。這些其它字段扮演的角色就是信號(hào)(Signals)，它們用來增加每個(gè)匹配文檔的相關(guān)度分值。能夠匹配的字段越多，相關(guān)度就越高。

如果一份文檔能夠匹配具有最寬泛形式的主要字段(Main field)，那么它就會(huì)被包含到結(jié)果列表中。如果它同時(shí)也匹配了信號(hào)字段，它會(huì)得到一些額外的分值用來將它移動(dòng)到結(jié)果列表的前面。

我們會(huì)在本書的后面討論同義詞，單詞鄰近度，部分匹配以及其他可能的信號(hào)，但是我們會(huì)使用提取了詞干和未提取詞干的字段的簡單例子來解釋這個(gè)技術(shù)。

多字段映射(Multifield Mapping)

第一件事就是將我們的字段索引兩次：一次是提取了詞干的形式，一次是未提取詞干的形式。為了實(shí)現(xiàn)它，我們會(huì)使用多字段(Multifields)：

1 DELETE /my_index 2 3 PUT /my_index 4 { 5 "settings": { "number_of_shards": 1 }, 6 "mappings": { 7 "my_type": { 8 "properties": { 9 "title": { 10 "type": "string", 11 "analyzer": "english", 12 "fields": { 13 "std": { 14 "type": "string", 15 "analyzer": "standard" 16 } 17 } 18 } 19 } 20 } 21 } 22 }

title字段使用了english解析器進(jìn)行詞干提取。 title.std字段則使用的是standard解析器，因此它沒有進(jìn)行詞干提取。

下一步，我們會(huì)索引一些文檔：

1 PUT /my_index/my_type/1 2 { "title": "My rabbit jumps" } 3 4 PUT /my_index/my_type/2 5 { "title": "Jumping jack rabbits" }

以下是一個(gè)簡單的針對title字段的match查詢，它查詢jumping rabbits：

1 GET /my_index/_search 2 { 3 "query": { 4 "match": { 5 "title": "jumping rabbits" 6 } 7 } 8 }

它會(huì)變成一個(gè)針對兩個(gè)提干后的詞條jump和rabbit的查詢，這要得益于english解析器。兩份文檔的title字段都包含了以上兩個(gè)詞條，因此兩份文檔的分值是相同的：

1 { 2 "hits": [ 3 { 4 "_id": "1", 5 "_score": 0.42039964, 6 "_source": { 7 "title": "My rabbit jumps" 8 } 9 }, 10 { 11 "_id": "2", 12 "_score": 0.42039964, 13 "_source": { 14 "title": "Jumping jack rabbits" 15 } 16 } 17 ] 18 }

如果我們只查詢title.std字段，那么只有文檔2會(huì)匹配。但是，當(dāng)我們查詢兩個(gè)字段并將它們的分值通過bool查詢進(jìn)行合并的話，兩份文檔都能夠匹配(title字段也匹配了)，而文檔2的分值會(huì)更高一些(匹配了title.std字段)：

1 GET /my_index/_search 2 { 3 "query": { 4 "multi_match": { 5 "query": "jumping rabbits", 6 "type": "most_fields", 7 "fields": [ "title", "title.std" ] 8 } 9 } 10 }

在上述查詢中，由于我們想合并所有匹配字段的分值，因此使用的類型為most_fields。這會(huì)讓multi_match查詢將針對兩個(gè)字段的查詢子句包含在一個(gè)bool查詢中，而不是包含在一個(gè)dis_max查詢中。

1 { 2 "hits": [ 3 { 4 "_id": "2", 5 "_score": 0.8226396, 6 "_source": { 7 "title": "Jumping jack rabbits" 8 } 9 }, 10 { 11 "_id": "1", 12 "_score": 0.10741998, 13 "_source": { 14 "title": "My rabbit jumps" 15 } 16 } 17 ] 18 }

此時(shí)，文檔2的分值比文檔1的高許多。

我們使用了擁有寬泛形式的title字段來匹配盡可能多的文檔 - 來增加召回率(Recall)，同時(shí)也使用了title.std字段作為信號(hào)來讓最相關(guān)的文檔能夠擁有更靠前的排序(譯注：增加了準(zhǔn)確率(Precision))。

每個(gè)字段對最終分值的貢獻(xiàn)可以通過指定boost值進(jìn)行控制。比如，我們可以提升title字段來讓該字段更加重要，這也減小了其它信號(hào)字段的影響：

1 GET /my_index/_search 2 { 3 "query": { 4 "multi_match": { 5 "query": "jumping rabbits", 6 "type": "most_fields", 7 "fields": [ "title^10", "title.std" ] 8 } 9 } 10 }

?

?

from:http://blog.csdn.net/dm_vincent/article/details/41842691

總結(jié)

以上是生活随笔為你收集整理的[Elasticsearch2.x] 多字段搜索 (三) - multi_match查询和多数字段 译的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。