匹配查询中的所有确切单词

Question

我想使用 ElasticSearch Java API 创建一个查询，它只匹配 (1) 完整的单词和 (2) searchquery 中的所有单词。这是一个例子：

文字：

hello wonderful world

这些应该匹配：

hello
hello wonderful
hello world
wonderful world
hello wonderful world
wonderful
world

这些不应该匹配：

1. hell

2. hello fniefsgbsugbs

我为匹配查询尝试了以下参数，但它仍然匹配上面的两个示例。

这是使用 ElasticSearch 7.7.1 Java API 生成查询的代码：

import org.elasticsearch.index.query.QueryBuilders
...

QueryBuilders.matchQuery(field, query)
            .autoGenerateSynonymsPhraseQuery(false)
            .fuzziness(0)
            .prefixLength(0)
            .fuzzyTranspositions(false)
            .operator(Operator.AND)
            .minimumShouldMatch("100%")

这将生成这个查询：

{
  "size": 100,
  "query": {
    "bool": {
      "filter": [
        {
          "match": {
            "searchableText": {
              "query": "hell",
              "operator": "AND",
              "fuzziness": "0",
              "prefix_length": 0,
              "max_expansions": 50,
              "minimum_should_match": "100%",
              "fuzzy_transpositions": false,
              "lenient": false,
              "zero_terms_query": "NONE",
              "auto_generate_synonyms_phrase_query": false,
              "boost": 1
            }
          }
        }
      ]
    }
  }
}

有人可以帮我找到一个好的解决方案吗？

编辑：以下是设置和映射（我删除了与searchableText 无关的所有内容，以使其尽可能少）：

{
    "settings": {
      "analysis": {
        "normalizer": {
          "lowercase_normalizer": {
            "type": "custom",
            "filter": [
              "lowercase"
            ]
          }
        },
        "filter": {
          "german_stemmer": {
            "type": "stemmer",
            "language": "light_german"
          },
          "ngram_filter": {
            "type": "shingle",
            "max_shingle_size": 4,
            "min_shingle_size": 2,
            "output_unigrams": false,
            "output_unigrams_if_no_shingles": false
          }
        },
        "analyzer": {
          "german": {
            "tokenizer": "standard",
            "filter": [
              "lowercase",
              "german_synonyms",
              "german_stop",
              "german_keywords",
              "german_no_stemming",
              "german_stemmer"
            ]
          },
          "german_ngram": {
            "tokenizer": "standard",
            "filter": [
              "lowercase",
              "german_synonyms",
              "german_keywords",
              "german_no_stemming",
              "german_stemmer",
              "ngram_filter"
            ]
          }
        }
      }
    },
    "mappings": {
      "properties": {
        "description": {
          "type": "text",
          "copy_to": "searchableText",
          "analyzer": "german"
        },
        "name": {
          "type": "text",
          "copy_to": "searchableText",
          "analyzer": "german"
        },
        "userTags": {
          "type": "keyword",
          "copy_to": "searchableText",
          "normalizer": "lowercase_normalizer"
        },
        "searchableText": {
          "type": "text",
          "analyzer": "german",
          "fields": {
            "ngram": {
              "type": "text",
              "analyzer": "german_ngram"
            }
          }
        },
        "searches": {
          "type": "keyword",
          "copy_to": "searchableText",
          "normalizer": "lowercase_normalizer"
        }
      }
    }
  }

编辑 2： 这些是提到的过滤器：

"filter": {
    "german_stop": {
      "type": "stop",
      "stopwords": "_german_"
    },
    "german_stemmer": {
      "type": "stemmer",
      "language": "light_german"
    },
    "ngram_filter": {
      "type": "shingle",
      "max_shingle_size": 4,
      "min_shingle_size": 2,
      "output_unigrams": false,
      "output_unigrams_if_no_shingles": false
    }
}

Answer 1

我尝试使用您的设置和映射创建索引，但由于未提供以下过滤器，我收到错误并在删除这些过滤器后创建了索引。

"german_synonyms",
"german_stop",
"german_keywords",
"german_no_stemming",

在我索引之后，您的示例文档 hello wonderful world 并使用了您的搜索查询，但它按您的预期正常工作，并且没有返回 hell 或 hello fniefsgbsugbs 的结果，如下所示

{
    "size": 100,
    "query": {
        "bool": {
            "filter": [
                {
                    "match": {
                        "searchableText": {
                            "query": "hello fniefsgbsugbs",
                            "operator": "AND",
                            "fuzziness": "0",
                            "prefix_length": 0,
                            "max_expansions": 50,
                            "minimum_should_match": "100%",
                            "fuzzy_transpositions": false,
                            "lenient": false,
                            "zero_terms_query": "NONE",
                            "auto_generate_synonyms_phrase_query": false,
                            "boost": 1
                        }
                    }
                }
            ]
        }
    }
}

然后它返回

"hits": {
        "total": {
            "value": 0,
            "relation": "eq"
        },
        "max_score": null,
        "hits": []
    }

Ans 与 hell 相同，但它返回与 hello、hello wonderful 和其他预期匹配的术语的结果。

编辑：您正在使用已分析的match query，即它分析搜索词，应用在字段上应用索引时间的相同分析器，并将搜索时间标记与索引匹配时间标记。

为了正确调试此类问题，请使用analyze API 并检查您的索引文档标记和搜索词标记。

Answer 2

对于索引为“关键字”的字段，我通常更喜欢 QueryString Query DSL 而不是 Match Query。 例如：

{
    "query" : {
        "query_string" : {
            "query" : "my_field:('hello', 'wonderful', 'world')"
        }
    }
}

将匹配您编写的所有那些应该匹配的组合，而不是您不想要的那些。括号中的词的关系就像 SQL "IN"，所以任何出现在字段中的词都会匹配文档。此外，这种格式在创建复杂搜索时为您提供了极大的灵活性。让我知道这是否有帮助。