使用 NEST 的 Elasticsearch:如何配置分析器来查找部分单词?

Posted

技术标签:

【中文标题】使用 NEST 的 Elasticsearch:如何配置分析器来查找部分单词?【英文标题】:Elasticsearch using NEST: How to configure analyzers to find partial words? 【发布时间】:2012-12-09 14:15:00 【问题描述】:

我正在尝试按部分单词进行搜索,忽略大小写并忽略某些字母的重音。可能吗?我认为带有默认标记器的 ngram 应该可以解决问题,但我不明白如何使用 NEST 来做到这一点。

示例:“musiic”应匹配包含“music”的记录

我使用的 Elasticsearch 版本是 1.9。

我正在这样做,但它不起作用......

var ix = new IndexSettings();
        ix.Add("analysis",
            @"
               'index_analyzer' : 
                          'my_index_analyzer' : 
                                        'type' : 'custom',
                                        'tokenizer' : 'standard',
                                        'filter' : ['lowercase', 'mynGram']
                          
               ,
               'search_analyzer' : 
                          'my_search_analyzer' : 
                                        'type' : 'custom',
                                        'tokenizer' : 'standard',
                                        'filter' : ['standard', 'lowercase', 'mynGram']
                          
               ,
               'filter' : 
                        'mynGram' : 
                                   'type' : 'nGram',
                                   'min_gram' : 2,
                                   'max_gram' : 50
                        
               
    ");
        client.CreateIndex("sample", ix);

谢谢,

大卫

【问题讨论】:

【参考方案1】:

简答

我认为您正在寻找的是fuzzy query,它使用Levenshtein distance 算法来匹配相似的单词。

nGrams 上的长答案

nGram 过滤器根据定义的最小/最大范围将文本拆分为许多较小的标记。

例如,从您的“音乐”查询中,过滤器将生成: 'mu', 'us', 'si', 'ic', 'mus', 'usi', 'sic', 'musi', 'usic', and 'music'

如您所见,musiic 与这些 nGram 令牌中的任何一个都不匹配。

为什么选择 nGrams

nGrams 的一个好处是它使通配符查询显着更快,因为所有潜在的子字符串都是在插入时预先生成和索引的(我已经看到查询从几秒加速到 15 毫秒使用nGram)。

如果没有 nGram,则必须在查询时搜索每个字符串以查找匹配项 [O(n^2)],而不是直接在索引中查找 [O(1)]。作为伪代码:

hits = []
foreach string in index:
    if string.substring(query):
        hits.add(string)
return hits

return index[query]

请注意,这是以插入速度变慢、需要更多存储空间和更重的内存使用为代价的。

【讨论】:

以上是关于使用 NEST 的 Elasticsearch:如何配置分析器来查找部分单词?的主要内容,如果未能解决你的问题,请参考以下文章

NEST (ElasticSearch) 将 Highlights 匹配到文档

Elasticsearch/Nest - 将 MatchPhrase 与 OnFieldsWithBoost 一起使用

为啥使用 C#/ElasticSearch 进行此 NEST 通配符搜索没有返回任何文档?

ElasticSearch NEST笔记

Elasticsearch NEST使用指南:映射和分析

Elasticsearch,如何使 NEST 地图响应类