时间：2017-12-15 17:19:09

参考：

1. 近似匹配

环境：

• 系统版本：Win10 64位
• Elasticsearch版本:6.0.0

近似匹配

对于：

• Sue ate the alligator.
• The alligator ate Sue.
• Sue never goes anywhere without her alligator-skin purse.

用 match 搜索 sue alligator，上面三个文档都会得到匹配，但却不能确定这两个词是否至来自于一种语境，甚至不能确定是否来自同一段落。想要语义更接近的数据有更高的相关度，这是我们就可以使用 短语匹配 或者 近似匹配 。

数据构造

1. 数据如下。

   ```json

   如果有删除

   DELETE my_index

   设置主分区数目

   PUT /my_index { "settings": { "number_of_shards": 1 }}

   插入数据

   POST /my_index/my_type/_bulk { "index": { "_id": 1 }} { "title": "The quick brown fox" } { "index": { "_id": 2 }} { "title": "The quick brown fox jumps over the lazy dog" } { "index": { "_id": 3 }} { "title": "The quick brown fox jumps over the quick dog" } { "index": { "_id": 4 }} { "title": "Brown fox brown dog" } ```

短语查询

1. match_phrase 是短语查询，匹配包含指定短语的文档。下面的例子匹配文档里有 quick brown fox三个单词相连的文档，如果删除 fox 就不会匹配到任何数据。

   json GET /my_index/my_type/_search { "query": { "match_phrase": { "title": "quick brown fox" } } }

2. match_phrase查询，添加 slop 灵活度参数，意思是在把要查询的词条移动灵活度指定的次数之内，如果可以匹配，也视为文档匹配。每个查询参数里面的每个单词都可以前移或后移。如下面的查询只会匹配 title 是 The quick brown fox jumps over the quick dog 的文档。

   json GET /my_index/my_type/_search { "query": { "match_phrase": { "title": { "query": "quick jumps quick", "slop": 4 } } } }

   官网的示例图：

   为了使查询 fox quick 匹配我们的文档， 我们需要 slop 的值为 3:

   ```json Pos 1 Pos 2 Pos 3

   ---

   Doc: quick brown fox

   Query: fox quick Slop 1: fox|quick ↵
   Slop 2: quick ↳ fox Slop 3: quick ↳ fox ```

3. position_increment_gap 参数指定同一个字段内包含多个数据（数组）时，在对字段创建倒排索引时，数组里面两个相邻元素的位置差，需要在创建索引前指定。

   json PUT /my_index/_mapping/groups { "properties": { "names": { "type": "string", "position_increment_gap": 100 } } }

4. 通过设置较大的 slop 值，可以使单词邻近的文档有更高的评分。

   json GET /my_index/my_type/_search { "query": { "match_phrase": { "title": { "query": "quick dog", "slop": 50 } } } }

5. 把邻近查询用来提高文档的相关度。由于邻近查询要求所有的字段都匹配才算匹配，可以把邻近查询放在should语句里面，用作提高评分，用 match 查询作为主查询，尽可能多的匹配文档。

   json 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 } } } } } }

6. rescore 结果集重新打分，通过match查询，查到对应的文档。然后对查询结果进行重打分，可以指定每个分片重打分文档的最大数量，可以避免上面那个例子里面使用should对所有匹配结果进行重打分的行为，提高查询效率。

   json 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 } } } } } }

7. 寻找相关词，把两个相连的单词或者多个相连的单词作为索引。比如 Sue ate the alligator 对应的索引是 ["sue ate", "ate the", "the alligator"] 。具体步骤如下：

   1. 如果索引里面已经存在数据需要删除索引，之后创建自定义的自定义的词汇单元过滤器。

   json PUT /my_index { "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" ] } } } } }

   1. 进行分析以及查看分析结果。

      分析语句：

      json GET /my_index/_analyze { "field": "my_type.english_title", "text": "Quick brown fox", "analyzer": "my_shingle_analyzer" }

      分析结果：

      json { "tokens": [ { "token": "quick brown", "start_offset": 0, "end_offset": 11, "type": "shingle", "position": 0 }, { "token": "brown fox", "start_offset": 6, "end_offset": 15, "type": "shingle", "position": 1 } ] }

8. 上面的自定义词汇单元过滤器中 "output_unigrams": false 表示这个这个索引里面不会包含单个的单词，这样我们就需要多字段来表示来分别表示 多单词的索引 和 一个单词的索引。例子如下：

   创建多字段：

   json PUT /my_index/_mapping/my_type { "my_type": { "properties": { "title": { "type": "text", "fields": { "shingles": { "type": "text", "analyzer": "my_shingle_analyzer" } } } } } }

   初始化数据：

   json POST /my_index/my_type/_bulk { "index": { "_id": 1 }} { "title": "Sue ate the alligator" } { "index": { "_id": 2 }} { "title": "The alligator ate Sue" } { "index": { "_id": 3 }} { "title": "Sue never goes anywhere without her alligator skin purse" }

   进行查询，会发现第二个查询包含 The alligator ate Sue 的文档有较高的评分：

   查询一：

   json GET /my_index/my_type/_search { "query": { "match": { "title": "the hungry alligator ate sue" } } }

   查询二：

   json GET /my_index/my_type/_search { "query": { "bool": { "must": { "match": { "title": "the hungry alligator ate sue" } }, "should": { "match": { "title.shingles": "the hungry alligator ate sue" } } } } }