Elasticsearch：每个位置只匹配一次

Question

在我的 Elasticsearch 索引中，我的文档在同一位置有多个标记。

当我在每个位置至少匹配一个标记时，我想取回一个文档。 令牌的顺序并不重要。 我怎样才能做到这一点？我使用 Elasticsearch 0.90.5。

示例：

我这样索引一个文档。

{
    "field":"red car"
}

我使用同义词标记过滤器，在与原始标记相同的位置添加同义词。 所以现在在这个领域，有2个职位：

• 位置 1：“红色”
• 位置 2：“汽车”、“汽车”

我现在的解决方案：

为了能够确保所有位置都匹配，我也索引了最大位置。

{
    "field":"red car",
    "max_position": 2
}

我有一个自定义相似度，它从 DefaultSimilarity 扩展并返回 1 tf()、idf() 和 lengthNorm()。结果分数是字段中匹配项的数量。

查询：

{
    "custom_score": {
        "query": {
             "match": {
                 "field": "a car is an automobile"
             }
        },
        "_script": "_score*100/doc[\"max_position\"]+_score"
    },
    "min_score":"100"
}

我的解决方案有问题：

上面的搜索不应该匹配文档，因为查询字符串中没有标记“red”。但它匹配，因为 Elasticsearch 将 car 和 motor 的匹配数计为两个匹配项，因此得分为 2，导致脚本得分为 102，满足“min_score”。

Answer 1

如果您需要保证 100% 匹配 查询条件，您可以使用 minimum_should_match。这是比较常见的情况。

---

不幸的是，在您的情况下，您希望提供 100% 匹配的索引词。为此，您必须下拉到 Lucene 级别并编写自定义 (java - here's boilerplate you can fork) Similarity 类，因为您需要访问不暴露给 Query DSL 的低级索引信息：

在查询记分器中扫描的每个文档/字段：

• 匹配的分析术语数（重叠是 Lucene 术语，使用 DefaultSimilarity 类的 coord() 方法）
• 该领域的总分析术语数：查看此线程以了解获取此信息的几种不同方式：How to count the number of terms for each document in lucene index?

然后，您的自定义相似度（您甚至可以扩展 DefaultSimilarity）将需要检测 术语匹配 总术语的查询并将它们的分数乘以零。

由于在这个评分级别已经进行了查询和索引时间分析，索引词的总数将已经扩展为包括同义词，查询词也应如此，避免误报“a car是汽车” 上面的问题。