Elasticsearch 在搜索引擎中如何实现完全匹配(内容精确匹配)查询

首先给大家推荐一下我老师大神的人工智能教学网站。教学不仅零基础,通俗易懂,而且非常风趣幽默,还时不时有内涵黄段子!点这里可以跳转到网站

本文地址:

http://blog.csdn.net/hereiskxm/article/details/47979013

在有搜索引擎之前,我们查文档常使用顺序匹配。我们需要在文档中顺序扫描,找到完全匹配的子句。

有的情况精确匹配比搜索引擎的查找有优势,比如这样的内容”chinese:1388838245“,如果用户输入”883“希望搜到这则内容,在常规的情况下是搜不到的。

这是因为在有了搜索引擎后,我们对查询语句做的处理就不一样了。我们通常会先分词,然后查找对应的词条索引,最后得到评分由高到低的文档列表。上面的例句在常规的分词情况下,没有也不可能有”883“这个词条,因此搜索不到这则内容。

我一度以为没法实现完全匹配了,直到一个硬需求的出现。花了一天时间,把完全匹配用搜索引擎的思维整理出来。

简要描述实现思路,字段按一字一词的形式分词,再利用短语查询来搜索

ES中,可以实现一字一词的的分词器是NGram。

Ngram分词的官方文档地址: https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-ngram-tokenizer.html

它其实是一个上下文相连续字符的分词工具,可以看官方文档中的例子。当我们将它 min_gram 和 max_gram 都设为1时,它会按一字一词的形式分词。比如“shinyke@189.cn”,分词的结果是[“s” , “h” , “i” , “n” , “y” , “k” , “e” , “@” , “1” , “8” , “9” , “.” , “c” , “n” ]。

<pre name="code" class="javascript">/index_name/  {  "settings": {    "analysis": {      "analyzer": {         "charSplit": {	      "type": "custom",              "tokenizer": "ngram_tokenizer"	    }	  },	 "tokenizer": {           "ngram_tokenizer": {             "type": "nGram",             "min_gram": "1",             "max_gram": "1",             "token_chars": [               "letter",               "digit",               "punctuation"             ]           }        }      }   }}

以上语句中,构建了一个名为“charSplit”的分析器。它使用一个名为“ngram_tokenizer”的Ngram分词器。

可以用如下语句测试charSplit分析器,可以看到一字一词的效果:

curl -POST http://IP:port/{index_name}/_analyze?pretty&analyzer=charSplit"测试语句"

把这个分析器在mapping里用起来:

     ...      "sender": {        "type": "string",        "store": "yes",        "analyzer": "charSplit",        "fields": {          "raw": {            "type": "string",            "index": "not_analyzed"          }        },       ...

接下来就可以用match_phrase来实现完全匹配查询

/{index_name}/{type_name}/_search{  "query": {    "multi_match": {      "query": "@189.cn",      "type": "phrase", //type指定为phrase      "slop": 0,        //slop指定每个相邻词之间允许相隔多远。此处设置为0,以实现完全匹配。      "fields": [        "sender"      ],      "analyzer": "charSplit", //分析器指定为charSplit      "max_expansions": 1          }  },  "highlight": {   //测试高亮是否正常    "pre_tags": [      "<b>"    ],    "post_tags": [      "</b>"    ],    "fragment_size": 100,    "number_of_fragments": 2,    "require_field_match": true,    "fields": {      "sender": {}    }  }}

phrase查询原始的作用是用来做短语查询,它有一个重要的特点:有顺序。我们利用了它匹配的有序性,限制slop为0,则可实现完全匹配查询。

以上语句返回的结果是:

{     "took": 18,    "timed_out": false,    "_shards": {        "total": 9,        "successful": 9,        "failed": 0    },    "hits": {        "total": 1,        "max_score": 0.40239456,        "hits": [            {                "_index": "index_name",                "_type": "type_name",                "_id": "AU9OLIGOZN4dLecgyoKp",                "_score": 0.40239456,                "_source": {                    "sender": "18977314000 <18977314000@189.cn>, 李X <18977314000@189.cn>, 秦X <18977314000@189.cn>, 刘X <18977314000@189.cn>"                },                "highlight": {                    "sender": [                        "18977314000 <18977314000<b>@</b><b>1</b><b>8</b><b>9</b><b>.</b><b>c</b><b>n</b>>, 李X <18977314000<b>@</b><b>1</b><b>8</b><b>9</b><b>.</b><b>c</b><b>n</b>>, 秦纯X <18977314000<b>@</b><b>1</b><b>8</b><b>9</b><b>.</b><b>c</b><b>n</b>>, 刘X <189773140"                    ]                }            }        ]    }}

到此,就实现了完全匹配查询。实际环境中用NGram做一字一词分析器的时候会更细致一些,比如有一些字符需要用stop word过滤掉。这些细节可以根据实际需要在构造分析器时添加filter实现,在此不做赘述。

点这里可以跳转到人工智能网站

发表评论