ElasticSearch catenate_words -- 只保留连接值答案

【问题标题】：ElasticSearch catenate_words -- only keep concatenated valueElasticSearch catenate_words -- 只保留连接值
【发布时间】：2021-06-26 05:31:10
【问题描述】：

以下示例：https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-word-delimiter-graph-tokenfilter.html

特别是 catenate_words 选项。

我想用它来连接单词，然后我可以在连接单词之前和之后的短语查询中使用这些单词，但是单词部分阻止了这种情况。

例如，他们的例子是这样的： super-duper-xl → [ superduperxl, super, duper, xl ]

现在，如果我的实际短语是“多么棒的 super-duper-xl”，它会变成一个序列：

[what,a,great,superduperxl,super,duper,xl]

这与短语“great superduperxl”相匹配，很好。

但是，如果短语是“出现了 super-duper-xl”，那么序列将是：

[the,superduperxl,super,duper,xl,emerged]

这确实不短语匹配“superduperxl出现”，但是如果部分令牌（super，duper，xl）没有发出，它会。

有什么方法可以连接单词，只保留连接的单词并过滤掉单词部分？

【问题讨论】：

标签： elasticsearch string-concatenation

【解决方案1】：

Pattern replace 字符过滤器可以在这里使用。

“-”替换为“”生成token

查询

PUT my-index1
{
  "settings": {
    "analysis": {
      "analyzer": {
        "remove_hyphen_analyzer": {
          "tokenizer": "standard",
          "char_filter": [
            "remove_hyphen_filter"
          ]
        }
      },
      "char_filter": {
        "remove_hyphen_filter": {
          "type": "pattern_replace",
          "pattern": "-",
          "replacement": ""
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "analyzer": "remove_hyphen_analyzer"
      }
       
    }
  }
}

POST my-index1/_analyze
{
  "analyzer": "remove_hyphen_analyzer",
  "text": "the super-duper-xl emerged"
}

结果

{
  "tokens" : [
    {
      "token" : "the",
      "start_offset" : 0,
      "end_offset" : 3,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "superduperxl",
      "start_offset" : 4,
      "end_offset" : 18,
      "type" : "<ALPHANUM>",
      "position" : 1
    },
    {
      "token" : "emerged",
      "start_offset" : 19,
      "end_offset" : 26,
      "type" : "<ALPHANUM>",
      "position" : 2
    }
  ]
}

【讨论】：

谢谢 - 我可以在 word_delimiter_graph 过滤器（没有连接）之后使用它来在单词被拆分后删除/替换字符吗？例如，我仍然希望在单词/数字边界上进行基本拆分。
@aaa90210 是的，你可以 ex."remove_hyphen_analyzer": { "tokenizer": "standard", "char_filter": [ "remove_hyphen_filter" ], "filter":"word_delimiter_graph" }