17_ElasticSearch phrase matching搜索
更多干货
- 分布式实战(干货)
- spring cloud 实战(干货)
- mybatis 实战(干货)
- spring boot 实战(干货)
- React 入门实战(干货)
- 构建中小型互联网企业架构(干货)
- python 学习持续更新
一、概述
- 0、需求:搜索java spark 靠在一起doc
- 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
近似匹配
- phrase match 短语匹配
- proximity match 近似匹配
二、例子
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.
使用match query,搜索java spark。无法实现以上需求如:
{
"match": {
"content": "java spark"
}
}
单单包含java的doc也返回了,不是我们想要的结果
POST /forum/article/5/_update { "doc": { "content": "spark is best big data solution based on scala ,an programming language similar to java spark" } }
2.1 match query 的问题:
- 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,将无法实现。
- 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
三、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
用proximity match,近似匹配 实现以上需求
- 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"
}
}
}
成功了,只有包含java spark这个短语的doc才返回了,只包含java的doc不会返回
四、match_phrase的基本原理
GET _analyze
{
"text": "hello world, java spark",
"analyzer": "standard"
}
term position
hello world, java spark doc1
hi, spark java doc2
生成以下倒排索引:包含位置信息.索引中的position,match_phrase
hello doc1(0)
wolrd doc1(1)
java doc1(2) doc2(2)
spark doc1(3) doc2(1)
- 1、java spark --> match phrase
- 2、java spark --> java和spark
- 3、java --> doc1(2) doc2(2)
- 4、spark --> doc1(3) doc2(1)
4.1 分析 doc1
- 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
- 2、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
- 3、doc1符合条件
4.2 分析 doc2
- 1、doc2 --> java和spark
- 2、java position是2,spark position是1,spark position比java position小1,而不是大1
- 3、光是position就不满足,那么doc2不匹配