ElasticSearch的模糊查询

Question

ElasticSearch的模糊查询

23

我是一名初学者，正在探索 ElasticSearch 的特性。其中我感兴趣的一个是 Fuzzy Query，但我在测试和使用它时遇到了麻烦。这可能是一个傻瓜问题，所以我希望已经使用过这个功能的人能够快速找到答案。

顺便说一下，我有一种感觉，这可能不仅与 ElasticSearch 有关，而且可能直接与 Lucene 有关。

让我们从创建一个名为“first index”的新索引开始，在其中存储一个值为“美式足球”的对象“label”。这是我使用的查询。

bash-3.2$ curl -XPOST 'http://localhost:9200/firstindex/node/?pretty=true' -d '{
  "node" : {
    "label" : "american football"
  }
}
'

这是我得到的结果。

{
  "ok" : true,
  "_index" : "firstindex",
  "_type" : "node",
  "_id" : "6TXNrLSESYepXPpFWjpl1A",
  "_version" : 1
}

到目前为止一切都很好，现在我想使用模糊查询来查找这个条目。这是我发送的：

bash-3.2$ curl -XGET 'http://localhost:9200/firstindex/node/_search?pretty=true' -d '{
  "query" : {
    "fuzzy" : {
      "label" : {
        "value" : "american football",
        "boost" : 1.0,
        "min_similarity" : 0.0,
        "prefix_length" : 0
      }                       
    }    
   }   
}
'

这是我得到的结果。

{
  "took" : 15,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 0,
    "max_score" : null,
    "hits" : [ ]
  }
}

正如您所看到的，没有匹配结果。但是，现在当我将查询值从"american football"缩小到"american footb"时，就像这样：

bash-3.2$ curl -XGET 'http://localhost:9200/firstindex/node/_search?pretty=true' -d ' {
  "query" : {
    "fuzzy" : {
      "label" : {
        "value" : "american footb",
        "boost" : 1.0,
        "min_similarity" : 0.0,
        "prefix_length" : 0
      }
    }
  }
}
'

然后我成功匹配到了我的输入，因此结果是：

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 1,
    "max_score" : 0.19178301,
    "hits" : [ {
      "_index" : "firstindex",
      "_type" : "node",
      "_id" : "6TXNrLSESYepXPpFWjpl1A",
      "_score" : 0.19178301, "_source" : {
        "node" : {
          "label" : "american football"
        }
      }
    } ]
  }
}

关于这个测试，我有几个问题：

为什么使用完全等于我的唯一条目 "american football" 的值执行查询时没有任何结果？
这是否与我具有多个单词的值有关？
是否有一种方法可以在我的查询结果中获取“相似度”分数，以便我更好地了解如何找到模糊查询的正确阈值？
ElasticSearch网站上专门介绍了“模糊查询”的页面，但我不确定它列出了我可以用于模糊查询的所有潜在参数。我应该在哪里找到这样详尽的列表？
其他查询同样的问题。
使用Lucene语法进行模糊匹配的查询字符串查询和模糊查询之间是否有区别？

- A_dit_rien

你为什么在这个问题上打了_solr_标签？ - Jesvin Jose

因为它可能与Lucene部分有关，所以Solr的开发人员可能会遇到同样的问题。 - A_dit_rien

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- imotov · Accepted Answer

1.

模糊查询操作基于术语，无法处理短语因为它不分析文本。所以，例如在你的例子中，elasticsearch尝试匹配单词“美式足球”到单词美国和足球。术语之间的匹配基于Levenshtein距离，用于计算相似度得分。因为你的min_similarity=0.0，任何术语都应该与任何术语匹配，只要编辑距离小于最小术语的大小。在你的情况下，“美式足球”这个术语的大小为17，而“美国”这个术语的大小为8。这两个术语之间的距离是9，比最小术语的大小8大。因此，结果被拒绝了。 “美式足球” 和“美国足球”之间的编辑距离是6。这基本上是术语“美国”末尾添加了6个字符。这就是为什么它会产生结果。对于 min_similarity=0.0，几乎任何编辑距离小于等于7的内容都会匹配。例如搜索“aqqqqqq”也会得到结果。

2.

是的，正如我上面所解释的那样，它与多个单词值有些相关。如果你想搜索多个术语，请查看Fuzzy Like This Query和Text Query的模糊度参数。

4 & 5.

通常，在elasticsearch.org之后获取信息的最佳来源就是elasticsearch源代码。