es同义词技术方案

Posted 2021-12-06 yuec1998

方案一：

使用同义词文件，在es索引中定义"synonyms_path"，在服务器中放入同义词文件synonyms.txt文件，并设置updateable为true动态读取更新的同义词文件，但这个需要运维一起配合，当有业务有新增同义词时候，也需要运维帮我们添加进这个文件中,维护比较不方便

PUT /myIndex
{
  "settings": {
    "analysis": {
      "filter": {
        "my_synonym_filter": {
          "type": "synonym",
          "updateable": true,
          "synonyms_path": "analysis/synonyms.txt"
        }
      },
      "analyzer": {
        "my_synonyms_analyzer": {
          "tokenizer": "ik_smart",
          "filter": [
            "my_synonym_filter"
          ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "ik_smart",
        "search_analyzer": "my_synonyms_analyzer"
      }
    }
  }
}

查看腾讯云关于同义词配置的文档，关于同义词的添加，也同样需要对现有索引进行reindex操作

主要讲一下方案二，直接在我们建的索引上进行维护同义词

方案二：同义词技术方案

es建索引时，我们可以给es创建一个同义词语汇单元过滤器，然后使用下面这样的同义词规则：

“衬衫, 衬衫料, 衬衣料, 衬衣”

例子：

1、创建普通索引

先创建一个普通的索引，并增加2条数据，对“海马毛”进行分词，可以得到“海马”，“毛”

进行match检索，发现也只能搜出一条数据

但是，业务上如果要认为在搜索上，输入海马毛的检索效果跟马海毛的一样，那么就需要给es配置同义词，配置上同义词也能大大提高用户的体验

2、创建含有同义词过滤器的es索引

es配置同义词的格式有多种，最简单的就是使用逗号分割

"jump,leap,hop"（推荐）

或者, 使用 => 语法，可以指定一个词项列表（在左边），和一个或多个替换（右边）的列表：

"u s a,united states,united states of america => usa"
或者，扩展
"kitten => kitten,cat,pet"

关于自定义分析器，可参考官方文档https://www.elastic.co/guide/cn/elasticsearch/guide/current/custom-analyzers.html

自定义分析器后，我们增加再对“海马毛”进行分词

发现同义词已经生效了，这个时候，我们在检索“海马毛”时候，也可以检索到“马海毛”的数据

后期维护：

后续业务如果还需要一直添加同义词，对es来说，是需要reindex进行操作

reindix操作的操作在我另一篇博客有详细描述：传送门

如果只是单纯修改settings，那么只会对改索引新增的文档数据有效，对旧数据无效