白话Elasticsearch06- 深度探秘搜索技术之手动控制全文检索结果的精准度

2021-08-17 16:52:02 浏览数 (1)

文章目录

  • 概述
  • 数据
  • 小例子
    • 搜索标题中包含java或elasticsearch的blog
    • 搜索标题中包含java和elasticsearch的blog
    • 搜索包含java，elasticsearch，spark，hadoop，4个关键字中，至少3个的blog
    • 用bool组合多个搜索条件，来搜索title
    • bool组合多个搜索条件，如何计算relevance score
    • 搜索java，hadoop，spark，elasticsearch，至少包含其中3个关键字

概述

继续跟中华石杉老师学习ES，第六篇

课程地址： https://www.roncoo.com/view/55

如果我们要想对全文检索的方式实现更细粒度的控制该怎么办呢？ 这里我们就来探讨下手动控制全文检索结果的精准度的几种方式

match query

6.4版本 : https://www.elastic.co/guide/en/elasticsearch/reference/6.4/query-dsl-match-query.html

7.0 https://www.elastic.co/guide/en/elasticsearch/reference/7.0/query-dsl-match-query.html

数据

为了说明该部分，我们给帖子数据增加标题title字段

代码语言：javascript复制
POST /forum/article/_bulk
{"update":{"_id":"1"}}
{"doc":{"title":"this is java and elasticsearch blog"}}
{"update":{"_id":"2"}}
{"doc":{"title":"this is java blog"}}
{"update":{"_id":"3"}}
{"doc":{"title":"this is elasticsearch blog"}}
{"update":{"_id":"4"}}
{"doc":{"title":"this is java, elasticsearch, hadoop blog"}}
{"update":{"_id":"5"}}
{"doc":{"title":"this is spark blog"}}

看下其中一条数据检查下title字段

mapping :

小例子

搜索标题中包含java或elasticsearch的blog

重点是： 或

The match query is of type boolean. It means that the text provided is analyzed and the analysis process constructs a boolean query from the provided text

这个，就跟之前的那个term query，不一样了。不是搜索exact value，是进行full text全文检索。

match query，是负责进行全文检索的。当然，如果要检索的field，是 not_analyzed类型的，或者是keyword类型，那么match query也相当于term query。

title的字段映射为

我们先看下 “this is java and elasticsearch blog” 的分词

代码语言：javascript复制
GET /forum/_analyze
{
  "field": "title",
  "text": "this is java and elasticsearch blog"
}

被拆分成了 this 、 is 、java 、 and 、 elasticsearch 、 blog 存放在倒排索引中

我们要 搜索标题中包含java或elasticsearch的blog ，改如何做呢？

看看 java elasticsearch 的分词

代码语言：javascript复制
GET /forum/_analyze
{
  "field": "title",
  "text": "java elasticsearch"
}

所以，这个只要match query即可

代码语言：javascript复制
GET /forum/_search
{
  "query": {
    "match": {
      "title": "java elasticsearch"
    }
  }
}

返回4条数据 ，符合 或

代码语言：javascript复制
{
  "took": 5,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 4,
    "max_score": 0.8092568,
    "hits": [
      {
        "_index": "forum",
        "_type": "article",
        "_id": "4",
        "_score": 0.8092568,
        "_source": {
          "articleID": "QQPX-R-3956-#aD8",
          "userID": 2,
          "hidden": true,
          "postDate": "2017-01-02",
          "tag": [
            "java",
            "elasticsearch"
          ],
          "tag_cnt": 2,
          "view_cnt": 80,
          "title": "this is java, elasticsearch, hadoop blog"
        }
      },
      {
        "_index": "forum",
        "_type": "article",
        "_id": "1",
        "_score": 0.5753642,
        "_source": {
          "articleID": "XHDK-A-1293-#fJ3",
          "userID": 1,
          "hidden": false,
          "postDate": "2017-01-01",
          "tag": [
            "java",
            "hadoop"
          ],
          "tag_cnt": 2,
          "view_cnt": 30,
          "title": "this is java and elasticsearch blog"
        }
      },
      {
        "_index": "forum",
        "_type": "article",
        "_id": "3",
        "_score": 0.2876821,
        "_source": {
          "articleID": "JODL-X-1937-#pV7",
          "userID": 2,
          "hidden": false,
          "postDate": "2017-01-01",
          "tag": [
            "hadoop"
          ],
          "tag_cnt": 1,
          "view_cnt": 100,
          "title": "this is elasticsearch blog"
        }
      },
      {
        "_index": "forum",
        "_type": "article",
        "_id": "2",
        "_score": 0.19856805,
        "_source": {
          "articleID": "KDKE-B-9947-#kL5",
          "userID": 1,
          "hidden": false,
          "postDate": "2017-01-02",
          "tag": [
            "java"
          ],
          "tag_cnt": 1,
          "view_cnt": 50,
          "title": "this is java blog"
        }
      }
    ]
  }
}

搜索标题中包含java和elasticsearch的blog

重点是： 和

The operator flag can be set to or or and to control the boolean clauses (defaults to or).

如果你希望所有的搜索关键字都要匹配的，那么就用and，可以实现单纯match query无法实现的效果

代码语言：javascript复制
GET /forum/_search
{
  "query": {
    "match": {
      "title": {
        "query": "java elasticsearch",
        "operator": "and"
      }
    }
  }
}

返回2条数据 ，OK

搜索包含java，elasticsearch，spark，hadoop，4个关键字中，至少3个的blog

指定一些关键字中，必须至少匹配其中的多少个关键字，才能作为结果返回

The minimum number of optional should clauses to match can be set using the minimum_should_match parameter.

minimum_should_match 说明 https://www.elastic.co/guide/en/elasticsearch/reference/7.0/query-dsl-minimum-should-match.html

百分比

代码语言：javascript复制
GET /forum/_search
{
  "query": {
    "match": {
      "title": {
        "query": "java elasticsearch spark hadoop",
        "minimum_should_match": "75%"
      }
    }
  }
}

数字

代码语言：javascript复制
GET /forum/_search
{
  "query": {
    "match": {
      "title": {
        "query": "java elasticsearch spark hadoop",
        "minimum_should_match": 3
      }
    }
  }
}

返回一条数据 ，符合了至少3个

用bool组合多个搜索条件，来搜索title

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

match在匹配时会对所查找的关键词进行分词，然后按分词匹配查找.

term会直接对关键词进行查找。一般模糊查找的时候，多用match，而精确查找时可以使用term.

也可以使用term精确查找

代码语言：javascript复制
GET /forum/_search
{
  "query": {
    "bool": {
      "must": {
        "term": {
          "title": "java"
        }
      },
      "must_not": {
        "term": {
          "title": "spark"
        }
      },
      "should": [
        {
          "term": {
            "title": "hadoop"
          }
        },
        {
          "term": {
            "title": "elasticsearch"
          }
        }
      ]
    }
  }
}

bool组合多个搜索条件，如何计算relevance score

must和should搜索对应的分数，加起来，除以must和should的总数

  • 排名第一：java，同时包含should中所有的关键字，hadoop，elasticsearch
  • 排名第二：java，同时包含should中的elasticsearch
  • 排名第三：java，不包含should中的任何关键字

should是可以影响相关度分数的

must是确保说，谁必须有这个关键字，同时会根据这个must的条件去计算出document对这个搜索条件的relevance score

在满足must的基础之上，should中的条件，不匹配也可以，但是如果匹配的更多，那么document的relevance score就会更高

搜索java，hadoop，spark，elasticsearch，至少包含其中3个关键字

默认情况下，should是可以不匹配任何一个的，比如上面的搜索中，this is java blog，就不匹配任何一个should条件

但是有个例外的情况，如果没有must的话，那么should中必须至少匹配一个才可以.

比如下面的搜索，should中有4个条件，默认情况下，只要满足其中一个条件，就可以匹配作为结果返回, 但是可以精准控制，should的4个条件中，至少匹配几个才能作为结果返回

代码语言：javascript复制
GET /forum/article/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "title": "java"
          }
        },
        {
          "match": {
            "title": "elasticsearch"
          }
        },
        {
          "match": {
            "title": "hadoop"
          }
        },
        {
          "match": {
            "title": "spark"
          }
        }
      ],
      "minimum_should_match": 3
    }
  }
}

总结一下

  • 1、全文检索的时候，进行多个值的检索，有两种做法，match query；should
  • 2、控制搜索结果精准度：and operator、minimum_should_match
ElasticsearchService java 全文检索 hadoop https

0 人点赞