Elasticsearch：使用 Ngram 评分

Question

我有一个直截了当的问题，我已将 ngram 用于部分匹配。实施效果很好，但得分结果并没有像我希望的那样工作。我希望我的分数结果看起来像这样：

• 柯：.1
• 凯夫：.2
• 凯维：.3
• 凯文：.4

相反，如果该字段匹配，则得分相同的情况下，我会得到以下结果：

• 柯：.4
• 凯夫：.4
• 凯维：.4
• 凯文：.4

设置：

 settings: {
    analysis: {
      filter: {
        ngram_filter: {
          type: 'edge_ngram',
          min_gram: 2,
          max_gram: 15
        }
      },
      analyzer: {
        ngram_analyzer: {
          type: 'custom',
          tokenizer: 'standard',
          filter: [
            'lowercase',
            'ngram_filter'
          ]
        }
      }
    }
  }

映射：

mappings: [{
          name: 'voter',
          _all: {
                'type': 'string',
                'analyzer': 'ngram_analyzer',
                'search_analyzer': 'standard'
             },
             properties: {
                last: {
                   type: 'string',
                   required : true,
                   include_in_all: true,
                   analyzer: 'ngram_analyzer',
                   search_analyzer: 'standard'
                },
                first: {
                   type: 'string',
                   required : true,
                   include_in_all: true,
                   analyzer: 'ngram_analyzer',
                   search_analyzer: 'standard'
                },

             }

       }]

查询：

GET /user/_search
{
    "query": {
        "match": {
           "_all": {
               "query": "Ke",
               "operator": "and"

           }
        }
    }
}

Answer 1

您可以使用edgeNGram tokenizer 而不是edgeNGram 过滤器来解决这个问题：

 settings: {
    analysis: {
      tokenizer: {
        ngram_tokenizer: {
          type: 'edge_ngram',
          min_gram: 2,
          max_gram: 15
        }
      },
      analyzer: {
        ngram_analyzer: {
          type: 'custom',
          tokenizer: 'ngram_tokenizer',
          filter: [
            'lowercase'
          ]
        }
      }
    }
  }

这样做的原因是edgeNGram 过滤器会将给定标记的术语写在同一位置（与同义词非常相似），而edgeNGram 标记器将创建具有不同位置的标记，因此影响长度归一化，从而影响分数。

请注意，这仅适用于 2.0 之前的 ES 版本，因为复合分数是根据所有 ngram 标记分数计算的，而在 ES 2.x 中，仅对匹配的标记进行评分。