Elasticsearch学习之深入搜索五 --- phrase matching搜索技术

Posted 笨小孩

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Elasticsearch学习之深入搜索五 --- phrase matching搜索技术相关的知识,希望对你有一定的参考价值。

1. 近似匹配

什么是近似匹配,两个句子

java is my favourite programming language, and I also think spark is a very good big data system.
java spark are very related, because scala is spark‘s programming language and scala is also based on jvm like java.

match query,搜索java spark

{
    "match": {
        "content": "java spark"
    }
}    

  match query,只能搜索到包含java和spark的document,但是不知道java和spark是不是离的很近,包含java或包含spark,或包含java和spark的doc,都会被返回回来。我们其实并不知道哪个doc,java和spark距离的比较近。如果我们就是希望搜索java spark,中间不能插入任何其他的字符,那这个时候match去做全文检索,能搞定我们的需求吗?答案是,搞不定。

  如果我们要尽量让java和spark离的很近的document优先返回,要给它一个更高的relevance score,这就涉及到了proximity match,近似匹配

如果说,要实现两个需求:

(1)java spark,就靠在一起,中间不能插入任何其他字符,就要搜索出来这种doc
(2)java spark,但是要求,java和spark两个单词靠的越近,doc的分数越高,排名越靠前

要实现上述两个需求,用match做全文检索,是搞不定的,必须得用proximity match,近似匹配

phrase match,proximity match:短语匹配,近似匹配

  phrase match,就是仅仅搜索出java和spark靠在一起的那些doc,比如有个doc,是java use‘d spark,不行。必须是比如java spark are very good friends,是可以搜索出来的。phrase match,就是要去将多个term作为一个短语,一起去搜索,只有包含这个短语的doc才会作为结果返回。不像是match,java spark,java的doc也会返回,spark的doc也会返回,match_phrase语法

GET /forum/article/_search
{
    "query": {
        "match_phrase": {
            "content": "java spark"
        }
    }
}

2. term position

hello world, java spark doc1
hi, spark java          doc2

hello doc1(0)
wolrd doc1(1)
java doc1(2) doc2(2)
spark doc1(3) doc2(1)

了解什么是分词后的position

GET _analyze
{
    "text": "hello world, java spark",
    "analyzer": "standard"
}

3. match_phrase的基本原理

索引中的position,match_phrase

hello world, java spark    doc1
hi, spark java             doc2

hello doc1(0)
wolrd doc1(1)
java doc1(2) doc2(2)
spark doc1(3) doc2(1)

java spark --> match phrase

java spark --> java和spark

java --> doc1(2) doc2(2)
spark --> doc1(3) doc2(1)

要找到每个term都在的一个共有的那些doc,就是要求一个doc,必须包含每个term,才能拿出来继续计算

doc1 --> java和spark --> spark position恰巧比java大1 --> java的position是2,spark的position是3,恰好满足条件

doc1符合条件

doc2 --> java和spark --> java position是2,spark position是1,spark position比java position小1,而不是大于1 --> 光是position就不满足,那么doc2不匹配

4. slop

slop的含义是什么?

  query string,搜索文本,中的几个term,要经过几次移动才能与一个document匹配,这个移动的次数,就是slop,实际举例,一个query string经过几次移动之后可以匹配到一个document,然后设置slop

hello world, java is very good, spark is also very good.

java spark,match phrase,搜不到

如果我们指定了slop,那么就允许java spark进行移动,来尝试与doc进行匹配

java   is     very   good   spark   is

java   spark
java    -->    spark
java         -->   spark
java              -->   spark

这里的slop,就是3,因为java spark这个短语,spark移动了3次,就可以跟一个doc匹配上了

slop的含义,不仅仅是说一个query string terms移动几次,跟一个doc匹配上。一个query string terms,最多可以移动几次去尝试跟一个doc匹配上

slop,设置的是3,那么就ok

GET /forum/article/_search
{
   "query": {
    "match_phrase": {
      "title": {
        "query": "java spark",
        "slop": 3
      }
    }
  }
}

  就可以把刚才那个doc匹配上,那个doc会作为结果返回,但是如果slop设置的是2,那么java spark,spark最多只能移动2次,此时跟doc是匹配不上的,那个doc是不会作为结果返回的,其实,加了slop的phrase match,就是proximity match,近似匹配

 

以上是关于Elasticsearch学习之深入搜索五 --- phrase matching搜索技术的主要内容,如果未能解决你的问题,请参考以下文章

Elasticsearch学习之深入搜索二 --- 搜索底层原理剖析

Elasticsearch学习之深入搜索三 --- best fields策略

Elasticsearch学习之深入搜索一 --- 提高查询的精准度

Elasticsearch学习之深入搜索四 --- cross-fields搜索

Elasticsearch学习之深入搜索六 --- 平衡搜索结果的精准率和召回率

Elasticsearch学习之深入聚合分析三---案例实战