elasticsearch 如何使用弹性搜索从文本中查找类似标记

我尝试使用

弹性搜索

从文本中查找最相似的标记

例如，我创建test_索引并插入两个文档：

POST test_index/_doc/17
{
  "id": 17,
  "tags": ["it", "devops", "server"]
}

POST test_index/_doc/20
{
  "id": 20,
  "tags": ["software", "hardware"]
}

因此，我希望从“我正在使用一些软件和应用程序”文本中找到“软件”标记（文本或id）

我希望有人能提供一个例子，说明如何做到这一点，或者至少为我指明正确的方向

---

谢谢。

您所寻找的只是一个称为的概念。您需要创建一个并利用

请查找以下映射、示例文档、查询和响应：

映射： 从评论中可以看出，您使用的是版本<7。为此，您可能需要在其中添加

类型

PUT my_stem_index
{
   "settings":{
      "analysis":{
         "analyzer":{
            "my_analyzer":{
               "tokenizer":"standard",
               "filter":[
                  "lowercase",
                  "my_stemmer"
               ]
            }
         },
         "filter":{
            "my_stemmer":{
               "type":"stemmer",
               "name":"english"
            }
         }
      }
   },
   "mappings":{
      "_doc":{
         "properties":{
            "id":{
               "type":"keyword"
            },
            "tags":{
               "type":"text",
               "analyzer":"my_analyzer",
               "fields":{
                  "keyword":{
                     "type":"keyword"
                  }
               }
            }
         }
      }
   }
}

样本文件： 请求查询： 答复：

{
"take":3,，
“超时”：false，
“_碎片”：{
“总数”：1，
"成功":一,，
“跳过”：0，
“失败”：0
},
“点击次数”：{
“总数”：{
“价值”：2，
“关系”：“情商”
},
“最高分数”：0.5908618，
“点击次数”：[
{
“_索引”：“my_stem_索引”，
“\u类型”：“\u单据”，
“_id”：“20”，
“_分数”：0.5908618，
“_来源”：{
“id”：20，
“标签”：[
“软件”，
“硬件”
]
}
},
{
“_索引”：“my_stem_索引”，
“\u类型”：“\u单据”，
“_id”：“21”，
“_分数”：0.35965496，
“_来源”：{
“id”：21，
“标签”：[
“软件和应用程序”您所寻找的只是一个称为的概念。您需要创建一个并利用它

请查找以下映射、示例文档、查询和响应：

映射：
从注释中可以看出，您正在使用版本<7。为此，您可能需要在其中添加
类型

PUT my_stem_index
{
   "settings":{
      "analysis":{
         "analyzer":{
            "my_analyzer":{
               "tokenizer":"standard",
               "filter":[
                  "lowercase",
                  "my_stemmer"
               ]
            }
         },
         "filter":{
            "my_stemmer":{
               "type":"stemmer",
               "name":"english"
            }
         }
      }
   },
   "mappings":{
      "_doc":{
         "properties":{
            "id":{
               "type":"keyword"
            },
            "tags":{
               "type":"text",
               "analyzer":"my_analyzer",
               "fields":{
                  "keyword":{
                     "type":"keyword"
                  }
               }
            }
         }
      }
   }
}

样本文件：
请求查询：
答复：
{
"take":3,，
“超时”：false，
“_碎片”：{
“总数”：1，
"成功":一,，
“跳过”：0，
“失败”：0
},
“点击次数”：{
“总数”：{
“价值”：2，
“关系”：“情商”
},
“最高分数”：0.5908618，
“点击次数”：[
{
“_索引”：“my_stem_索引”，
“\u类型”：“\u单据”，
“_id”：“20”，
“_分数”：0.5908618，
“_来源”：{
“id”：20，
“标签”：[
“软件”，
“硬件”
]
}
},
{
“_索引”：“my_stem_索引”，
“\u类型”：“\u单据”，
“_id”：“21”，
“_分数”：0.35965496，
“_来源”：{
“id”：21，
“标签”：[
“软件和应用程序”，如果您搜索的文本有基本或根单词，
词干分析是一种很好的方法

如果您需要从文本中找到最相似的单词，
Ngram
是更合适的方法

如果您在word of tags中搜索文本的确切单词，
木瓦是更好的方法。
如果您搜索具有基本单词或根单词的文本，
词干分析是一种好方法

如果您需要从文本中找到最相似的单词，
Ngram
是更合适的方法

如果您在word of tags中搜索精确的文本单词，
Shingles
是更好的方法。
很抱歉我没有得到它，即使默认的analyzer
stanard
也为文本软件创建了一个标记
software
，那么为什么要使用词干标记，它不是词干文本。我认为OP中的问题不清楚。@es ENTU，如果您仔细注意的话，即使他搜索
软件
（单数），他也希望返回包含
软件的文档（复数）。另一个例子是，如果他搜索word
wait
，他应该会得到包含
waiting、waiting
等内容的文档也会被返回。我想这就是OP正在寻找的内容。@OpsterESNinja Kamal您的映射设置不起作用，它有问题，原因是：“未能解析映射[属性]：根映射定义有不支持的参数：[id:{type=keyword}][tags:{analyzer=my_analyzer，type=text，fields={keyword={type=keyword}}}]，我正在使用6.8版本。@OpsterESNinja Kamal我发现问题原因，您没有编写文档类型“_doc”映射后，请编辑您的答案。谢谢you@alireza我已经在7.6 ES版本上测试了该解决方案。在第7版之后，
类型
已被弃用，因此默认类型将是
\u doc
。请将所有这些详细信息放在您下次提出的任何问题中，这样我们就可以很容易地给您答案。无论如何，我将更新my相应地回答。很抱歉，我没有得到它，即使默认的analyzer
stanard
也为文本软件创建了一个标记
软件
，那么为什么要使用词干标记，它不是词干文本。我认为OP的问题不清楚。@es enthu如果您仔细注意，他希望文档具有
软件
（复数）即使他搜索
软件
（单数）也要返回。另一个例子是，如果他搜索word
等待
，他应该会得到有
等待、等待
等的文档也要返回。我想这就是OP要找的。@optsteresninja Kamal您的映射设置不起作用，它有问题，原因是“：”无法分析映射[properties]：根映射定义有不支持的参数：[id:{type=keyword}][tags:{analyzer=my_analyzer，type=text，fields={keyword={type=keyword}}}]，我正在使用6.8版本。@OpsterESNinja Kamal我发现问题原因，您没有编写文档类型“_doc”映射后，请编辑您的答案。谢谢you@alireza我已经在7.6 ES版本上测试了该解决方案。在第7版之后，
类型
已被弃用，因此默认类型将是
\u doc
。请将所有这些详细信息放在您下次提出的任何问题中，这样我们就可以很容易地给您答案。无论如何，我将更新m我相应地回答。
POST my_stem_index/_doc/17
{
  "id": 17,
  "tags": ["it", "devops", "server"]
}

POST my_stem_index/_doc/20
{
  "id": 20,
  "tags": ["software", "hardware"]
}

POST my_stem_index/_doc/21
{
  "id": 21,
  "tags": ["softwares and applications", "hardwares and storage devices"]
}

POST my_stem_index/_search
{
  "query": {
    "match": {
      "tags": "software"
    }
  }
}

{
  "took" : 3,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.5908618,
    "hits" : [
      {
        "_index" : "my_stem_index",
        "_type" : "_doc",
        "_id" : "20",
        "_score" : 0.5908618,
        "_source" : {
          "id" : 20,
          "tags" : [
            "software",
            "hardware"
          ]
        }
      },
      {
        "_index" : "my_stem_index",
        "_type" : "_doc",
        "_id" : "21",
        "_score" : 0.35965496,
        "_source" : {
          "id" : 21,
          "tags" : [
            "softwares and applications",             <--- Note this has how `softwares` also was searchable.
            "hardwares and storage devices"
          ]
        }
      }
    ]
  }
}