Elasticsearch相關性進行具有類似名稱

Question

我正在尋找對付elasticsearch的相關性，爲像「瓶」的文件名稱和「瓶蓋」的做法文檔

當有人尋找一個「瓶」（搜索詞）， - 「瓶蓋」應該低於「紅色瓶子」。

目前我們的搜索引擎分數「紅色瓶」比「瓶蓋的一瓶500毫升」

Answer 1

這是不是你可以在Elasticsearch解決相關性較低，無需添加更多的信息。你想在「瓶蓋」上排列「紅色瓶子」，因爲你知道關於這些名字的語義信息 - 你知道「紅色瓶子」意味着它所談論的是一個「瓶子」，而「瓶蓋」意味着這個事物它談論的是別的東西（與瓶子有關，但實際上不是瓶子）。如果您希望Elasticsearch的排名考慮這些信息，您必須爲信息編制索引（可能需要添加關鍵字標籤字段，其中一個包含「瓶子」，另一個包含「瓶蓋」），您必須嘗試查看哪些方法可行與你的用例）。當然，這意味着一個人必須爲所有事物添加廣告標籤。

但是，我懷疑你可以通過unique filter改善一些情況。我的猜測是，你並不關心單個標題中的詞頻問題（「500毫升瓶裝瓶蓋」不是關於瓶子的更多信息，因爲「瓶子」出現兩次 - 詞頻對於標題沒有多大意義這我想）。所以，你可以做這樣的事情：如果你搜索bottle

PUT /myindex 
{ 
    "settings": { 
    "index": { 
     "number_of_shards": 1 
    }, 
    "analysis": { 
     "analyzer": { 
     "uniq_analyzer": { 
      "type": "custom", 
      "tokenizer": "standard", 
      "filter": [ 
      "lowercase", 
      "porter_stem", 
      "unique" 
      ] 
     } 
     } 
    } 
    }, 
    "mappings": { 
    "doc": { 
     "properties": { 
     "name": { 
      "type": "text", 
      "analyzer": "uniq_analyzer" 
     } 
     } 
    } 
    } 
} 

PUT /myindex/doc/1 
{"name": "Red coloured bottles"} 

PUT /myindex/doc/2 
{"name": "Bottle caps for 500ml bottle"} 

然後，你會看到分數是相同的 - 不完美，但有所改善。如果您想了解分數來自哪裏，您可以使用explain：

POST /myindex 
{ 
    "explain": true, 
    "query": { 
    "match": 
     {"name": "bottle"} 
    } 
}