模糊匹配失败但精确匹配通过

Question

我一直在使用模糊匹配构建 ElasticSearch 查询来匹配系统中的用户。当针对特定的用户组（我的名字的用户）运行它时，查询似乎运行良好，但是当针对随机选择的用户运行它时，它似乎失败了。

出于测试目的，我传递的是特定用户的确切值，因此我预计至少有 1 个匹配项。

在缩小范围时，我发现exact 与名称匹配会按预期返回数据，但将 same 值放入模糊块会导致它返回 0 个结果。

例如，此查询按预期返回用户记录：

{
    "from": 0,
    "size": 1,
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "firstName": {
                            "query": "sVxGBCkPYZ",
                            "boost": 30
                        }
                    }
                }
            ],
            "should": [

            ]
        }
    },
    "fields": [
        "id",
        "firstName"
    ]
}

但是，用以下内容替换 match 元素无法返回任何记录：

{
    "fuzzy": {
        "firstName": {
            "value": "sVxGBCkPYZ",
            "fuzziness": 2,
            "boost": 30,
            "min_similarity": 0.3
        }
    }
}

为什么会发生这种情况，我能做些什么来纠正这种情况？

供参考。这是我目前使用的 ES 版本：

"version": {
    "number": "1.7.1",
    "build_hash": "b88f43fc40b0bcd7f173a1f9ee2e97816de80b19",
    "build_timestamp": "2015-07-29T09:54:16Z",
    "build_snapshot": false,
    "lucene_version": "4.10.4"
}

Answer 1

匹配失败，因为fuzzy searches 是term level queries，这意味着查询字符串将不被分析，而我假设如果数据类型为text 和standard analyzer，则已编入索引，将在倒排索引中转换为 svxgbckpyz。

您可以改为使用match 查询实现fuzziness，如下所示：

POST testindex/_search
{  
   "query":{  
      "match":{  
         "firstname":{  
            "query":"sVxGBCkPYZ",
            "fuzziness":"AUTO"
         }
      }
   }
}

您可以根据您的用例将值从 AUTO 更改为 2 或 3。

您提到的exact 匹配也有效，因为查询字符串将被分析并将输入字符串转换为小写，这在倒排索引中可用。

至于模糊查询（你提到的）在幕后是如何工作的，根据这个LINK，如下：

模糊查询通过获取原始术语并构建一个 Levenshtein 自动机——就像一个代表所有字符串的大图 在原始字符串的指定编辑距离内。

然后模糊查询使用自动机高效地单步执行 术语字典中的所有术语，以查看它们是否匹配。一旦它 已收集该术语中存在的所有匹配术语 字典，它可以计算匹配文档的列表。

当然，根据存储在索引中的数据类型，一个模糊的 编辑距离为 2 的查询可以匹配非常多的 条款和表现非常糟糕。

特别注意这个声明，representing all the strings that are within the specified edit distance of the original string

例如life 的一些距离为 1 的单词将是 aife, bife, cife, dife....lifz。

因此，在您的情况下，模糊搜索的自动机首先无法从输入字符串 sVxGBCkPYZ 创建术语 svxgbckpyz，因为它们之间的距离为 7（请记住，A 和 a 之间的距离为 1）我不认为AUTO 选项可以创建，即使您将其配置为7，它也可能无法创建字符串，因为会有大量距离7 的单词

再添加一个LINK 以获取更多信息。希望能帮助到你！