Elastic Search 中的自动完成匹配

Question

所以我在弹性搜索中有一个identifier 字符串字段，其中包含D123、M1、T23 等值。

我正在尝试在此字段的搜索中构建自动完成功能，以便 D12 的查询可能匹配 D12、D120、D121、...、D1210 等。

目前我已经构建了一个自定义的边缘 ngram 过滤器和分析器：

"filter": {
  "autocomplete_filter": {
    "type": "edgeNGram",
    "min_gram": 2,
    "max_gram": 10
  }
}

"analyzer": {
  "autocomplete": {
      "type": "custom",
      "tokenizer": "whitespace",
      "filter": {"lowercase", "autocomplete_filter"}
  }
}

在我的映射中，当索引时，我在identifier 字段上使用它：

"identifier": {
  "type": "string",
  "analyzer": "autocomplete",
  "search_analyzer": "standard"
}

这意味着为D1234 编制索引的ngram 是D1、D12、D123 和D1234。

要查询这个我做如下：

"query": {
  "bool": {
    "should": {
      "match": {
        "identifier": {
          "query": "D12",
          "fuzziness": 0
        }
      }
    }
  }
}

这会从最长到最短返回结果，因此D12 会出现在结果的末尾。我将如何确保最短的标识符具有最高的相关性分数？

我的猜测是D12 查询与 ngram 匹配，如下所示：[{D12}, {D12}3, {D12}34] 和弹性搜索“哦，太好了，3 个匹配！”而不是 D12 结果将给出的 1 [{D12}]。

我猜一种解决方案可能没有部分匹配这些 ngram，因此弹性搜索会看到 [{D12}] 的两个结果，但排名 D12 高于 D1234，因为它匹配 ngram 的 1/2 而不是 1/4。我不确定如何配置弹性搜索来给出这个结果。

任何帮助将不胜感激。

Answer 1

您可以使用script based sorting 执行此操作，但首先您需要将identifier 字段映射为multi-fields 像这样

"identifier": {
    "type": "string",
    "analyzer": "autocomplete",
    "search_analyzer": "standard",
    "fields": {
        "raw": {
            "type": "string",
            "index": "not_analyzed"
        }
    }
}

您需要这样做，因为如果您直接在identifier 上sort，那么您将获得相同的结果，因为由于edge ngram filter，所有这些都将具有2 个字母标记。之后，这会给你想要的结果

{
  "query": {
    "bool": {
      "should": {
        "match": {
          "identifier": {
            "query": "D12",
            "fuzziness": 0
          }
        }
      }
    }
  },
  "sort": {
    "_script": {
      "script": "doc['identifier.raw'].value.length()",
      "order": "asc",
      "type": "number"
    }
  }
}

希望这会有所帮助！