Elasticsearch EdgeNgram 不首先返回较短的结果

Question

当我在一个字段上搜索时，评分似乎没有考虑字段的长度（即文本较长的文档的评分与较短的文档相同，并且由于某种原因放在前面）。不知道我做错了什么。

字段的索引如下：

"name": {
        "type": "string",
        "analyzer": "autocomplete"
      },
"_alias": {
        "type": "string",
        "analyzer": "autocomplete"
      }

分析器：

"autocomplete": {
        "char_filter": [
          "special_character_mapping"
        ],
        "filter": [
          "lowercase",
          "autocomplete_filter"
        ],
        "tokenizer": "whitespace"
      }

过滤器：

"autocomplete_filter": {
                "type": "edge_ngram",
                "min_gram": 1,
                "max_gram": 20
              }

查询 1：

{
    "query": {
        "multi_match": {
            "query": "brown fo",
            "type": "most_fields",
            "fields": [
                "name",
                "_alias"
            ],
            "use_dis_max": true,
            "tie_breaker": 1,
            "minimum_should_match": "100%",
            "analyzer": "standard"
        }
    }
}

这会返回很多类似的文档：

• 棕狐
• 棕狐
• 布朗尼为

最后在第 10 位左右：

• 棕狐

更何况还有一个文档（棕狐树）在第 15 位左右还有一个别名“Brown”没有考虑在内。

查询 2：

{
    "query": {
        "multi_match": {
            "query": "brown fo",
            "type": "cross_fields",
            "fields": [
                "name",
                "_alias"
            ],
            "use_dis_max": true,
            "tie_breaker": 1,
            "minimum_should_match": "100%",
            "analyzer": "standard"
        }
    }
}

这会返回更好的结果：

• 棕狐树
• 棕狐
• 棕狐

2nd 和 3d 文档的评分始终相同。第一个有一个别名“Brown”，理所当然地在前面。

我尝试了各种 multi_match 类型和 query_string 但结果都是一样的。

如何将文本较短的文档（lucene应该自己做？）放在其余文档的前面？

Answer 1

由于您的字段 name 和 _alias 已使用 autocomplete 分析器指定（请注意，由于您仅在索引时使用该分析器，因此您应该指定 index_analyzer 而不是 analyzer），您的输入将是：

1. 由空格分隔
2. 步骤 1 中的标记将小写
3. 步骤 2 中的小写标记将被拆分为前缀

所以对于你上面给出的所有输入文本，它是这样的：

棕狐 => b, br, bro, brow, brown, browne, browned, f, fo, fox

棕狐 => b, br, bro, brow, brown, browni, brownis, brownish, f, fo、fox、foxe、foxes

布朗尼 => b, br, bro, brow, brown, browny, f, fo, for

棕狐 => b, br, bro, brow, brown, f, fo, fox

棕狐树 => b, br, bro, brow, brown, f, fo, fox, t 、tr、tre、tree

现在，当您使用 standard 分析器搜索 brown fo 时，搜索标记将为：brown 和 fo

如您所见，brown 和 fo 标记出现在上述所有搜索词中，因此它们基本上是等价的。唯一会影响评分（以及排序顺序）的是这些术语是否已在 name 或 _alias 字段（或两者）中找到，以及您正在使用的字段匹配的 type 是什么。没有看到具体的文档很难说，但您绝对应该尝试将?explain=true 添加到您的查询中，以更深入地了解评分的计算方式。