在弹性搜索中查找与整个查询匹配的文档

Question

我想在 ElasticSearch 中编写查询，该查询提供的结果包含搜索查询中的所有单词，但不仅作为完整单词，而且作为子单词。例如，如果我有具有以下值的 Document：

{
"first_name":"didier",
"last_name":"drogba"
}

我搜索“didi dro”，应该返回这个文件。如果我搜索“david drogba”，文档应该被忽略，因为它不包含单词“david”，即使是子词。 我使用 ngram tokenizer 进行了尝试，但无法达到我想要的效果。

我创建的索引

PUT doctors
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "my_tokenizer"
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "ngram"
        }
      }
    }
  }
}

然后添加映射

put doctors/_doc/_mapping 
{
  "properties": {
    "first_name": {
      "type": "text",
      "analyzer": "my_analyzer"
    },
    "last_name": {
      "type": "text",
      "analyzer": "my_analyzer"
    }
  }
}

添加一些文档

post doctors/_doc/1
{
  "first_name": "dito",
  "last_name": "janelidze",
  "specialism": "oftalmologist",
  "location_name":"evex saburtalo clinic",
  "brand": "Evex",
  "address":"kavtaradze street N21"
}

我的搜索查询看起来像这样

get doctors/_doc/_search
{
  "query": {
    "multi_match": {
        "query": "david jane",
        "fields": ["first_name", "last_name"]
    }
  }
}

它给了我我插入的文档，但我不需要它，因为它不包含单词“david”

Answer 1

每个单词的运算符“和”+1。使用这个，为我工作（也可以用于自动完成）。

settings:
    analysis": {
          "filter": {
            "name_ngrams": {
              "max_gram": "20",
              "type": "edgeNGram",
              "min_gram": "1",
              "side": "front"
            }
          },
          "analyzer": {
            "partial_name": {
              "type": "custom",
              "filter": [
                "lowercase",
                "name_ngrams",
                "standard",
                "asciifolding"
              ],
              "tokenizer": "standard"
            },
            "full_name": {
              "type": "custom",
              "filter": [
                "standard",
                "lowercase",
                "asciifolding"
              ],
              "tokenizer": "standard"
            }
          }


mapping:

    "first_name": {

        "type": "text",
        "index_analyzer": "partial_name",
        "search_analyzer": "full_name"

    },
    "last_name": {

        "type": "text",
        "index_analyzer": "partial_name",
        "search_analyzer": "full_name"

    },

Answer 2

第 1 点：映射变化

N-Gram tokenizer 将从输入单词构造指定 length 的单词。此长度在映射中指定为min_gram 和max_gram，如果您不指定，则默认分别为1 和2。

我已经分别用min_gram:3 和max_gram:5 更新了您提供的映射。

N-Gram Tokenizer 然后将创建令牌，例如对于didier，它们将是did, idi, die, ier, didi, idie, dier, didie, idier，最终存储在倒排索引中。

默认 1 和 2 分别为 min_gram 和 max_gram，请注意 didier 和 david 会将 id 作为公共子词，这就是返回它们的原因。

---

映射

PUT doctors
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "my_tokenizer"
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "ngram",
          "min_gram": 3,
          "max_gram": 6,
        }
      }
    }
  }
}

第 2 点：查询变更

也就是说，尽管进行了映射更改，但如果您的查询字符串使用您所拥有的 david jane，它将在 first_name 或 last_name 中搜索 david or jane。这意味着文档dito janelidze 仍将被返回（但分数将低于具有david jane 的文档）

使用运算符AND 会使搜索成为david AND jane 中的first_name 或last_name，这不是您要查找的内容。

您可以做的是利用下面的布尔查询或创建另一个名为name的字段，使用copy_to字段复制first_name和last_name的值到它使用该字段进行搜索。

---

查询

POST <your_index_name>/_search
{
  "query": {
    "bool":{
      "must": [
        {
          "match": {
            "first_name": "david"
          }
        },
        {
          "match": {
            "last_name": "jane"
          }
        }
      ]
    }
  }
}

不幸的是，您需要删除、重新创建索引并再次提取文档，因为所需的更改是在映射级别。

希望这会有所帮助！