ElasticSearch--以属性为中心的查询

在实体查询中，我感兴趣是最匹配的项，而不是说最匹配的属性，这个在Most_fileds 或者best_fields都是以属性为中心的查询。

问题1：在多个属性中匹配同样的单词

考虑most_fields查询是怎么执行的：ElasticSearch对每一个属性生成一个match query 然后把这些query 包括在bool query 中。
我们用validate-query API看一下

GET /_validate/query?explain
{
  "query": {
    "multi_match": {
      "query":   "Poland Street W1V",
      "type":    "most_fields",
      "fields":  [ "street", "city", "country", "postcode" ]
    }
  }
}

你可以看到一个文档匹配一个单词poland在两个属性中的相关度分值score会高于一个文档在一个属性匹配pland和street两个单词。

问题2：修剪长尾巴

我们可以用and 操作 和 minimum_should_match 参数去修剪一个很长的且不太相关的查询结果。可能我们可以这样：

{
    "query": {
        "multi_match": {
            "query":       "Poland Street W1V",
            "type":        "most_fields",
            "operator":    "and", 
            "fields":      [ "street", "city", "country", "postcode" ]
        }
    }
}

也就是说，用and operator 意味着单词必须存在于同样的属性中，这样是绝对错误的，不满足我们的需求。

问题3：Term Frequencies

我们讨论缺省的相似度算法去计算相关度：tf/idf
Term Frequency
越多的term出现在一个文档中，则意味着越大的相关度
Inverse document frequency
越多的term出现在某个field 在全部的文档中，则越少的相关度
当我们搜索多个field时，tf/idf会带来一些惊喜的结果
例如当我们搜索“peter smith”，用first_name和last_name peter 是一个很常用的first name 而且 simith也是很常用的last name， 两周都会有很低的idfs. 但是要是我们有个人他的整个名字是 Smith Willianms？ Smith 作为 first name 是非常不常见的，并且会有很高的 IDF。
一个简单访问，peter smith, 因为 smith在 first_name 这个属性上有很高的IDF，所以 在first name很高的IDF 会吞没掉 低的IDF peter as first name 和 smith as last name

Solution

这些问题存在是因为我们同事处理多个属性。如果我们将所有的属性合成到一个属性里面，这样的问题就解决了。例如，在上边的例子中，我们创建个属性叫full_name

{
    "first_name":  "Peter",
    "last_name":   "Smith",
    "full_name":   "Peter Smith"
}

当我们仅仅访问full_name

1. 匹配更多的单词会胜过仅仅匹配重复的单词
2. minimum_should_match 和operator parameters 可以用了
3. first name 和 last name 的IDF 会联合到一起。所以不管smith 是first name 还是 last name 都没区别的
   当这样的算法运行的时候，我们不希望存储冗余的数据。ElasticSearch 给我们提供了两个解决方案：
   one at index time
   one at search time
   （这两个东西啊还不太懂， 之后会讲到）