【ElasticSearch】精准搜索

阳光穿透心脏的1/2处 2022-12-29 01:38 119阅读 0赞

一、and关键字：  
搜索结果精准控制的第一步，灵活使用and关键字，如果希望所有的搜索关键字都匹配，就可以使用and，实现单纯match query无法实现的效果。

GET /forum/article/_search
    { 
        "query": { 
            "match": { 
                "title": { 
    				"query": "java elasticsearch",
    				"operator": "and"
       	    	}
            }
        }
    }

二、minimum\_should\_match  
指定关键字，必须至少匹配其中的多少个关键字结果返回。

GET /forum/article/_search
    { 
      "query": { 
        "match": { 
          "title": { 
            "query": "java elasticsearch spark hadoop",
            "minimum_should_match": "75%"
          }
        }
      }
    }
    
    //搜索java，hadoop，spark，elasticsearch，至少包含其中3个关键字：
    GET /forum/article/_search
    { 
      "query": { 
        "bool": { 
          "should": [
            {  "match": {  "title": "java"}},
            {  "match": {  "title": "elasticsearch"}},
            {  "match": {  "title": "hadoop"}},
    		{  "match": {  "title": "spark"}}
          ],
          "minimum_should_match": 3 
        }
      }
    }

三、bool组合多个搜索条件

GET /forum/article/_search
    { 
      "query": { 
        "bool": { 
          "must":     {  "match": {  "title": "java" }},
          "must_not": {  "match": {  "title": "spark"  }},
          "should": [
                      {  "match": {  "title": "hadoop" }},
                      {  "match": {  "title": "elasticsearch"}}
          ]
        }
      }
    }

四、基于boost细粒度控制权重搜索  
不设置，默认是1，权重越大，搜索条件匹配度越高

GET /forum/article/_search 
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "match": { 
                "title": "blog"
              }
            }
          ],
          "should": [
            { 
              "match": { 
                "title": { 
                  "query": "java"
                }
              }
            },
            { 
              "match": { 
                "title": { 
                  "query": "spark",
                  "boost": 5
                }
              }
            }
          ]
        }
      }
    }

五、基于dis\_max实现best\_field多字段搜索  
更新数据如下：

POST /forum/article/_bulk
    {  "update": {  "_id": "1"} }
    {  "doc" : { "content" : "i like to write best elasticsearch article"} }
    {  "update": {  "_id": "2"} }
    {  "doc" : { "content" : "i think java is the best programming language"} }
    {  "update": {  "_id": "3"} }
    {  "doc" : { "content" : "i am only an elasticsearch beginner"} }
    {  "update": {  "_id": "4"} }
    {  "doc" : { "content" : "elasticsearch and hadoop are all very good solution, i am a beginner"} }
    {  "update": {  "_id": "5"} }
    {  "doc" : { "content" : "spark is best big data solution based on scala ,an programming language similar to java"} }

多字段搜索：

GET /forum/article/_search
    { 
        "query": { 
            "bool": { 
                "should": [
                    {  "match": {  "title": "java solution" }},
                    {  "match": {  "content":  "java solution" }}
                ]
            }
        }
    }

期望的结果是doc5匹配度最高，结果却是doc2和doc4排在了前面，doc2和doc4的title和content都匹配到了一个java，而doc5匹配的，title没匹配到，content匹配到了java solution，计算相关度分数如下：  
doc4计算如下：  
\{ “match”: \{ “title”: “java solution” \}\}，针对doc4，是有一个分数的  
\{ “match”: \{ “content”: “java solution” \}\}，针对doc4，也是有一个分数的

所以是两个分数加起来，比如说，1.1 + 1.2 = 2.3  
matched query数量 = 2  
总query数量 = 2  
doc4分数=2.3 \* 2 / 2 = 2.3

doc5分数计算如下：  
\{ “match”: \{ “title”: “java solution” \}\}，针对doc5，是没有分数的  
\{ “match”: \{ “content”: “java solution” \}\}，针对doc5，是有一个分数的

所以说，只有一个query是有分数的，比如2.3  
matched query数量 = 1  
总query数量 = 2

2.3 \* 1 / 2 = 1.15

doc5分数 = 1.15 < doc4的分数 = 2.3  
故，dis\_max的作用就起到了：取每个query匹配到的最大分数，

best\_fields策略：  
尽可能匹配某个field的，最高分数

GET /forum/article/_search
    { 
      "query": { 
        "multi_match": { 
            "query":                "java solution",
            "type":                 "best_fields", 
            "fields":               [ "title^2", "content" ],
            "tie_breaker":          0.3,
            "minimum_should_match": "50%" 
        }
      } 
    }

most\_fields策略：  
尽可能让所有field的query参与到总分数的计算中，但可能不是用户最想要的结果。  
设置sub\_title的analyzer为english，用sub\_title和sub\_title.std同时搜索更精确：

POST /forum/_mapping/article
    { 
      "properties": { 
          "sub_title": {  
              "type":     "string",
              "analyzer": "english",
              "fields": { 
                  "std":   {  
                      "type":     "string",
                      "analyzer": "standard"
                  }
              }
          }
      }
    }

sub\_title用的是english analyzer，所以还原了单词  
learning->learn  
learned->learn  
coursees->course

sub\_title：learning coursees->learn course  
\{ “doc” : \{“sub\_title” : “learned a lot of course”\} \}，就排在了\{ “doc” : \{“sub\_title” : “learning more courses”\} \}的前面

GET /forum/article/_search
    { 
       "query": { 
            "multi_match": { 
                "query":  "learning courses",
                "type":   "most_fields", 
                "fields": [ "sub_title", "sub_title.std" ]
            }
        }
    }

most\_fields弊端：  
1）尽可能多的匹配  
2）去长尾  
3）TF/IDF算法

解决以上三个问题，用cross\_fields：  
每个query必须在每个字段出现。

GET /forum/article/_search
    { 
      "query": { 
        "multi_match": { 
          "query": "Peter Smith",
          "type": "cross_fields", 
          "operator": "and",
          "fields": ["author_first_name", "author_last_name"]
        }
      }
    }

如果想进一步匹配，可使用phrase query，短语匹配。

**总结：**  
读书笔记，笔录于此！