位置不变的弹性搜索子字符串匹配

Question

我已经与 ES 合作了一个多月。我正在寻找与位置保持子字符串匹配相关的知识。

假设我已经为弹性搜索索引了一个文档。 2 个带有“doc_field”的文档：document 以及 id1 和 id2。

id1: " Once when a big Lion was asleep, a little Mouse began running up and down upon him. "
id2: " The mouse is very little"

我不知道应该保留索引“not_analyzed”还是“analyzed”。

我很好奇的是，如果我执行以下一组查询，它能否给我正确的匹配。

query = { "query":
           "match":{"document":"little mouse","operator": and }}

我希望它只返回那些有“小鼠标”的文件。它不应该返回在其他部分几乎没有鼠标的文档。简而言之，应该保留查询中的单词排列。帮助。

Answer 1

看看shingles TokenFilter (documentation)。它与ngram 非常相似，但使用标记而不是字符。

使用默认设置，它会生成两个字长的标记。您可以使用 _analyze API 检查其行为：

POST _analyze?tokenizer=whitespace&filters=shingle&text=The mouse is very little

这将输出：

{
   "tokens": [
      {
         "token": "The",
         "start_offset": 0,
         "end_offset": 3,
         "type": "word",
         "position": 1
      },
      {
         "token": "The mouse",
         "start_offset": 0,
         "end_offset": 9,
         "type": "shingle",
         "position": 1
      },
      {
         "token": "mouse",
         "start_offset": 4,
         "end_offset": 9,
         "type": "word",
         "position": 2
      },
      {
         "token": "mouse is",
         "start_offset": 4,
         "end_offset": 12,
         "type": "shingle",
         "position": 2
      },
      {
         "token": "is",
         "start_offset": 10,
         "end_offset": 12,
         "type": "word",
         "position": 3
      },
      {
         "token": "is very",
         "start_offset": 10,
         "end_offset": 17,
         "type": "shingle",
         "position": 3
      },
      {
         "token": "very",
         "start_offset": 13,
         "end_offset": 17,
         "type": "word",
         "position": 4
      },
      {
         "token": "very little",
         "start_offset": 13,
         "end_offset": 24,
         "type": "shingle",
         "position": 4
      },
      {
         "token": "little",
         "start_offset": 18,
         "end_offset": 24,
         "type": "word",
         "position": 5
      }
   ]
}

然后，通过查询该字段，您将看到两个示例文档之间的差异。

您可以在权威指南的this section 中找到有关邻近搜索的详细说明。