elasticsearch ngram 和 postgresql trigram 搜索结果不匹配
Posted
技术标签:
【中文标题】elasticsearch ngram 和 postgresql trigram 搜索结果不匹配【英文标题】:elasticsearch ngram and postgresql trigram search results are not match 【发布时间】:2017-12-21 22:51:21 【问题描述】:我在 elasticsearch 上创建了一个索引,如下所示:
"settings" :
"number_of_shards": 1,
"number_of_replicas": 0,
"analysis":
"filter":
"trigrams_filter":
"type": "ngram",
"min_gram": 3,
"max_gram": 3
,
"analyzer":
"trigrams":
"type": "custom",
"tokenizer": "standard",
"filter": [
"lowercase",
"trigrams_filter"
]
,
"mappings":
"issue":
"properties":
"description":
"type": "string",
"analyzer": "trigrams"
我的测试项目如下:
"alici onay verdi basarili satisiniz gerceklesti diyor ama hesabima para transferi gerceklesmemis"
"otomatik onay işlemi gecikmiş"
"************* nolu iade islemi urun kargoya verilmedi zamaninda iade islemlerinde urun erorr hata veriyor"
我用下面的查询测试了这个索引:
GET issue/_search
"query":
"match":
"description":
"query": "otomatik onay istemi zamaninda gerceklesmemis"
结果:
....
"hits":
....
"max_score": 2.3507352,
"hits": [
....
"_score": 2.3507352,
"_source":
"issue_id": "*******",
"description": "alici onay verdi basarili satisiniz gerceklesti diyor ama hesabima para transferi gerceklesmemis"
]
但 postgresql 上的相同数据具有以下 SQL 响应另一个结果:
SELECT
public.tbl_issue_descriptions_big.description,
similarity(description, 'otomatik onay islemi zamaninda gerceklesmemis') AS sml
FROM
public.tbl_issue_descriptions_big
WHERE
description %'otomatik onay islemi zamaninda gerceklesmemis'
ORDER BY
sml DESC
LIMIT 10
结果是:
description | sml
======================================================|======
otomatik onay islemi gecikmis |0,351852
为什么会出现这种差异?
【问题讨论】:
您的问题解决了吗?我很好奇,我发现 PostgreSQL 开箱即用更准确。 不,我没有解决问题。因为 Postgresql 通过 tf/idf 相似性机制计算,但 ElasticSearch 使用 BM25。也许您可以更改 ElasticSearch 上的相似性机制。但不要在 Postgresql 上。也许你可以使用三十方 pgPLSQL 函数或 Python。 【参考方案1】:我对 postgres 的了解不够,无法在那里给出一个合格的答案(因为这也取决于被索引的文档以及它们的评分公式是否完全相同,我对此表示怀疑),但 Elasticsearch 有一个 explain API 和一个explain parameter 在搜索中,帮助您找出为什么某个文档会以这种方式评分。
【讨论】:
感谢您的回答。但我认为解释 postgresql 等价的是 ts_vector 并用于全文搜索。但是 ngram 和相似性用于机器学习。我现在在 elasticsearch 上搜索相似度算法。 查看 lucene 文档,例如 lucene.apache.org/core/6_6_0/core/org/apache/lucene/search/… 或 lucene.apache.org/core/6_6_0/core/org/apache/lucene/search/…(如果您创建新索引,则从 ES 5.0 开始默认设置)以上是关于elasticsearch ngram 和 postgresql trigram 搜索结果不匹配的主要内容,如果未能解决你的问题,请参考以下文章
如何在Elasticsearch中使用ngram时控制结果的评分或排序?
[Elasticsearch] 部分匹配 - 索引期间优化ngrams及索引期间的即时搜索
[Elasticsearch] 部分匹配 - 索引期间优化ngrams及索引期间的即时搜索
Elasticsearch:使用 search_analyzer 及 edge ngram 来实现 Search-As-You-Type