我正在使用 bool 搜索来匹配多个字段 . 这些字段已在索引时使用多个过滤器进行分析，但主要使用 edge_ngram .
我遇到的问题是得分似乎在空中 . 我希望我的搜索 savvas 首先匹配 Savvas 的 first_name 字段中的一个，但是它们的得分要晚得多 . 例如，搜索 savvas 按得分顺序返回：
First name | Last name | Email
___________|_________________|________________________
------ | Sav--- | ---@sa-------------.com
-----s | Sa---- | sa----------s@-----.com
Sa---- | ---- | sa---------@-------.com
Sa---- | -------- | sa-------@---------.com
sa- | ----- | sa----------@------.com
Sa-- | ----s-----s | sa------s-----s@---.com
Sa---- | ----------- | sa-----@-----------.com
Savvas | -------s | ----------@--------.com
Savvas | -------s | --------@----------.com
Sa- | ---s----S------ | sa------s-----@----.com
我已使用 - 替换了字段中搜索词的边缘n-gram以外的字符，并修改了电子邮件的长度以保护身份 .
事实上搜索 ssssssssssssssss 虽然它在我的数据中不存在，但返回其中包含最多 s 个字符的项目 . 我不希望发生的事情，因为我没有对我的搜索进行任何手动ngram .
当我尝试搜索电话号码时，也会出现此问题，我在搜索 782 时通过电话号码匹配任何包含字符 78 的电子邮件，这些电话号码具有 782 作为确切的ngrams .
似乎elasticsearch也在我的搜索查询上执行ngrams而不仅仅是字段并且比较两者并且在某种程度上有利于更短的匹配 .
这是我的查询：
{
'bool': {
'should': [ // Any one of these matches will return a result
{
'match': {
'phone': {
'query': $searchString,
'fuzziness': '0',
'boost': 3 // If phone matches give it precedence
}
}
},
{
'match': {
'email': {
'query': $searchString,
'fuzziness': '0'
}
}
},
{
'multi_match': {
'query': $searchString,
'type': 'cross_fields', // Match if any term is in any of the fields
'fields': ['name.first_name', 'name.last_name'],
'fuzziness': '0'
}
}
],
'minimum_should_match': 1
}
}
和它一起使用的索引设置（为冗长而道歉，但我不想排除任何可能重要的内容）：
{
"settings":{
"analysis":{
"char_filter":{
"trim":{
"type":"pattern_replace",
"pattern":"^\\s*(.*)\\s*$",
"replacement":"$1"
},
"tel_strip_chars":{
"type":"pattern_replace",
"pattern":"^(\\(\\d+\\))|^(\\+)|\\D",
"replacement":"$1$2"
},
"tel_uk_exit_coded":{
"type":"pattern_replace",
"pattern":"^00(\\d+)",
"replacement":"+$1"
},
"tel_parenthesized_country_code":{
"type":"pattern_replace",
"pattern":"^\\((\\d+)\\)(\\d+)",
"replacement":"+$1$2"
}
},
"tokenizer":{
"intl_tel_country_code": {
"type":"pattern",
"pattern":"\\+(9[976]\\d|8[987530]\\d|6[987]\\d|5[90]\\d|42\\d|3[875]\\d|2[98654321]\\d|9[8543210]|8[6421]|6[6543210]|5[87654321]|4[987654310]|3[9643210]|2[70]|7|1)(\\d{1,14})$",
"group":0
}
},
"filter":{
"autocomplete":{
"type":"edge_ngram",
"min_gram":1,
"max_gram":50
},
"autocomplete_tel":{
"type":"ngram",
"min_gram":3,
"max_gram":20
},
"email":{
"type":"pattern_capture",
"preserve_original":1,
"patterns":[
"([^@]+)",
"(\\p{L}+)",
"(\\d+)",
"@(.+)",
"([^-@]+)"
]
}
},
"analyzer":{
"name":{
"type":"custom",
"tokenizer":"standard",
"filter":[
"trim",
"lowercase",
"asciifolding",
"autocomplete"
]
},
"email":{
"type":"custom",
"tokenizer":"uax_url_email",
"filter":[
"trim",
"lowercase",
"email",
"unique",
"autocomplete"
]
},
"phone":{
"type":"custom",
"tokenizer":"intl_tel_country_code",
"char_filter":[
"trim",
"tel_strip_chars",
"tel_uk_exit_coded",
"tel_parenthesized_country_code"
],
"filter":[
"autocomplete_tel"
]
}
}
}
},
"mappings":{
"person":{
"properties":{
"address":{
"properties":{
"country":{
"type":"string",
"index_name":"country"
}
}
},
"timezone":{
"type":"string"
},
"name":{
"properties":{
"first_name":{
"type":"string",
"analyzer":"name"
},
"last_name":{
"type":"string",
"analyzer":"name"
}
}
},
"email":{
"type":"string",
"analyzer":"email"
},
"phone":{
"type":"string",
"analyzer":"phone"
},
"id":{
"type":"string"
}
}
}
}
}
我已经使用Kopf插件的分析器测试了索引设置，它似乎创建了正确的令牌 .
理想情况下，我只会完全匹配我的索引创建的标记，并优先考虑我的bool应该查询中的一个更精确的匹配，而不是优先考虑多个bool应匹配 .
但是，如果至少它只匹配精确的令牌，我会很高兴 . 我不能使用 term 搜索，因为我的搜索字符串本身需要被标记化，只是没有应用任何ngram .
To sum up my requirements:
-
在任何单个字段中按可能的最大匹配得分 .
-
然后在任何单个字段中按可能匹配的最低偏移得分 .
-
然后按匹配的字段数进行评分，优先考虑较低的偏移匹配
--- Update: ---
我使用 dis_max 获得了更好的结果，它似乎成功匹配多个ngram匹配的更多ngram匹配，除了仍然难以查询的 phone 字段 . 这是新的查询：
{
'dis_max': {
'tie_breaker': 0.0,
'boost': 1.5,
'queries': [ // Any one of these matches will return a result
[
'match': {
'phone': {
'query': $searchString,
'boost': 1.9
}
}
],
[
'match': {
'email': {
'query': $searchString
}
}
],
[
'multi_match': {
'query': $searchString,
'type': 'cross_fields', // Match if any term is in any of the fields
'fields': ['name.first_name', 'name.last_name'],
'tie_breaker': 0.1,
'boost': 1.5
}
]
}
}
}
1 回答
可能你不想在搜索字符串上使用自动完成，即名称分析器，只在索引期间，即映射应该是：
另外，要在多匹配中对first_name的匹配得分高于last_name，您可以提供字段级提升，如下所示：
示例：last_name匹配与first_name相关的一半