在ElasticSearch中查询以匹配单词的一部分

Question

我试图在ElasticSearch中编写一个查询，该查询匹配单词中的连续字符。因此，如果我的索引包含“ John Doe”，则对于以下搜索，我仍然应该看到Elasticsearch返回的“ John Doe”。

1. 约翰·杜
2. 约翰·杜
3. 哦做
4. 约翰
5. 母鹿

到目前为止，我已经尝试了以下查询。

{
  "query": {
    "multi_match": {
      "query": "term",
      "operator": "OR",
      "type": "phrase_prefix",
      "max_expansions": 50,
      "fields": [
        "Field1",
        "Field2"
      ]
    }
  }
}

但这也会返回不必要的匹配，例如当我键入john x时我仍然会得到“ John Doe”。

Answer 1

正如我在上面的评论中所解释的那样，随着索引的增长，应该不惜一切代价避免使用前缀通配符，因为这将迫使ES进行完整的索引扫描。我仍然坚信ngrams（更确切地说是edge-ngrams）是要走的路，因此我在下面对此进行了介绍。

这个想法是索引输入的所有后缀，然后使用prefix查询来匹配任何后缀，因为搜索前缀不会遇到与搜索后缀相同的性能问题。因此，想法是索引john doe如下：

john doe
ohn doe
hn doe
n doe
doe
oe
e

这样，使用prefix查询，我们可以匹配这些标记的任何子部分，从而有效地实现匹配部分连续单词的目标，同时确保良好的性能。

索引的定义如下：

PUT my_index
{
  "settings": {
    "index": {
      "analysis": {
        "analyzer": {
          "my_analyzer": {
            "type": "custom",
            "tokenizer": "keyword",
            "filter": [
              "lowercase",
              "reverse",
              "suffixes",
              "reverse"
            ]
          }
        },
        "filter": {
          "suffixes": {
            "type": "edgeNGram",
            "min_gram": 1,
            "max_gram": 20
          }
        }
      }
    }
  },
  "mappings": {
    "doc": {
      "properties": {
        "name": {
          "type": "text",
          "analyzer": "my_analyzer",
          "search_analyzer": "standard"
        }
      }
    }
  }
}

然后我们可以为样本文档建立索引：

PUT my_index/doc/1
{
  "name": "john doe"
}

最后，以下所有搜索将返回john doe文档：

POST my_index/_search 
{
  "query": {
    "prefix": {
      "name": "john doe"
    }
  }
}

POST my_index/_search 
{
  "query": {
    "prefix": {
      "name": "john do"
    }
  }
}

POST my_index/_search 
{
  "query": {
    "prefix": {
      "name": "ohn do"
    }
  }
}

POST my_index/_search 
{
  "query": {
    "prefix": {
      "name": "john"
    }
  }
}

POST my_index/_search 
{
  "query": {
    "prefix": {
      "name": "n doe"
    }
  }
}

Answer 2

这对我有用。将数据作为关键字索引，而不是 ngram。并使用通配符正则表达式匹配来匹配单词。

 "query": {
          "bool": {
              "should": [
                {
                  "wildcard": { "Field1": "*" + term + "*" }
                },
                {
                  "wildcard": { "Field2": "*" + term + "*" }
                }
              ],
              "minimum_should_match": 1
          }
      }