构面用空格标记标签。有解决办法吗？答案

【问题标题】：Facets tokenize tags with spaces. Is there a solution?构面用空格标记标签。有解决办法吗？
【发布时间】：2012-08-16 16:00:57
【问题描述】：

我对带有空格的分面标记标签有一些问题。

我有以下映射：

curl -XPOST "http://localhost:9200/pictures" -d ' { “映射”：{ “图片” ： { “特性” ： { "id": { "type": "string" }, “描述”：{“类型”：“字符串”，“索引”：“未分析”}， “特色”：{“类型”：“布尔”}， “类别”：{“类型”：“字符串”，“索引”：“未分析”}， “标签”：{“类型”：“字符串”，“索引”：“not_analyzed”，“分析器”：“关键字”}， “created_at”：{“类型”：“双”} } } } }'

我的数据是：

curl -X POST "http://localhost:9200/pictures/picture" -d '{ “图片”： { "id": "4defe0ecf02a8724b8000047", "title": "Victoria Secret PhotoShoot", "description": "来自法国和意大利", “特色”：是的， “类别”：[ “时尚”， “女孩们”， ], “标签”：[ “女孩”， “照片拍摄”， “超模”，《维多利亚的秘密》 ], “created_at”：1405784416.04672 } }'

我的查询是：

curl -X POST "http://localhost:9200/pictures/_search?pretty=true" -d ' { “询问”： { “文本”： { “标签”：{ “查询”：“维多利亚的秘密” } } }, “方面”：{ “标签”：{ “条款”：{ “字段”：“标签” } } } }'

输出结果是：

{ “采取”：1， “超时”：假， “_shards”：{ “总数”：5， “成功”：5， “失败”：0 }, “命中”：{ “总计”：0， “max_score”：空， “命中”：[] }, “方面”：{ “标签”：{ “_type”：“条款”， “失踪”：0， “总计”：0， “其他”：0， “条款”：[] } } }

现在，我在构面中得到了 0 分，在点击中得到了 0 分
任何想法为什么它不起作用？
我知道，当我从标签中删除 关键字分析器 并使其成为 "not_analyzed" 时，我会得到结果。
但是还是有区分大小写的问题。
如果我通过 removing keyword analyzer 运行相同的上述查询，那么我得到的结果是：

方面：{ 标签： { _type：条款失踪：0 总数：12 其他：0 条款：[ { 词条：拍照计数：1 } { 词条：少女计数：1 } { 词条：维多利亚的秘密计数：1 } { 名词：超模计数：1 } ] } }

这里 Victoria Secret 在 "not_analyzed" 中区分大小写，但在 count 中占用空间，但是当我使用 lowercase 进行查询时> 作为“维多利亚的秘密”，它没有给出任何结果。

有什么建议吗？？

谢谢，
苏拉杰

【问题讨论】：

标签： json lucene full-text-search elasticsearch facets

【解决方案1】：

第一个例子对我来说并不完全清楚。如果您使用KeywordAnalyzer，则意味着该字段将按原样被索引，但是根本不分析该字段会更有意义，这也是一样的。您发布的映射包含两个

"index": "not_analyzed", "analyzer": "keyword"

这没有多大意义。如果您不分析该领域，为什么要为其选择分析器？

除此之外，当然如果您不分析该字段，标签Victoria Secret 将按原样被索引，因此查询victoria secret 将不匹配。如果您希望它不区分大小写，您需要定义一个使用KeyworkTokenizer 的custom analyzer，因为您不想标记它和LowercaseTokenFilter。您可以通过索引设置分析部分定义自定义分析器，然后在映射中使用它。但是这样一来，刻面总是小写的，我猜这是你不喜欢的。这就是为什么最好定义一个multi field 并使用两种不同的文本分析为字段编制索引，一种用于构面，一种用于搜索。

你可以这样创建索引：

curl -XPOST "http://localhost:9200/pictures" -d '{
    "settings" : {
        "analysis" : {
            "analyzer" : {
              "lowercase_analyzer" : {
                "type" : "custom",
                "tokenizer" : "keyword",
                "filter" : [ "lowercase"]
              }
            }
        }
    },
    "mappings" : {
        "pictures" : {
            "properties" : {
                "id": { "type": "string" },
                "description": {"type": "string", "index": "not_analyzed"},
                "featured": { "type": "boolean" },
                "categories": { "type": "string", "index": "not_analyzed" },
                "tags" : {
                    "type" : "multi_field",
                    "fields" : {
                        "tags": { "type": "string", "analyzer": "lowercase_analyzer" },
                        "facet": {"type": "string", "index": "not_analyzed"},
                    }
                },
                "created_at": { "type": "double" }
            }
        }
    }
}'

然后，当您在该字段上搜索时，默认情况下自定义的 lowercase_analyzer 也将应用于文本查询，以便您可以搜索 Victoria Secret 或 victoria secret 并返回结果。您需要更改构面部分，并在新的tags.facet 字段上制作构面，不进行分析。

此外，您可能想看看 match query，因为最新的 elasticsearch 版本 (0.19.9) 已弃用文本查询。

【讨论】：

是的，我已经在我的应用程序中实现了它。再次感谢:)

【解决方案2】：

我认为这对我的回答有些道理

https://gist.github.com/2688072

【讨论】：