elasticsearch Elasticsearch相关性-具有相似名称的文档

我正在寻找一种方法来处理elasticsearch与文档名称的相关性，如“瓶子”和“瓶盖”

当有人寻找一个“瓶子”（搜索词），-“瓶盖”的得分应该低于“红色瓶子”

---

目前，我们的搜索引擎对“红色瓶子”的评分低于“500ml瓶子的瓶盖”

如果不添加更多信息，您无法在Elasticsearch中解决这一问题。你想把“红色瓶子”排在“瓶盖”之上，因为你知道这些名字的语义信息——你知道“红色瓶子”意味着它谈论的东西是“瓶子”，而“瓶盖”意味着它谈论的东西是其他东西（与瓶子有关，但实际上不是瓶子）。如果你想从Elasticsearch中排名来考虑这些信息，你必须对这些信息进行索引（可能会添加一个关键字标记字段，一个带有“瓶子”，另一个带有“瓶盖”——你必须进行实验，看看哪些字段适用于你的用例）。当然，这意味着一个人必须为每件事添加广告标签

然而，我怀疑你可以通过一些方法来改善这种情况。我的猜测是，你不太关心单个标题中的术语频率（“500ml瓶子的瓶盖”与瓶子无关，因为“瓶子”在标题中出现了两次——我认为术语频率对于这样的标题没有什么意义）。所以你可以这样做：

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"}

然后，如果你搜索瓶子，你会发现分数是一样的——不是完美的，而是一种进步。如果您想了解分数的来源，可以使用：

---

谢谢你，德肖克利。我不得不再次检查是否可以避免手动产品标签。我想知道，在eBay这样的大市场上，文档会被手动标记，在那里，更高的术语频率并不一定意味着更高的相关性。他们会让卖家对他们的产品进行正确分类吗？您当然可以尝试自动标记，但您可能希望从一些标记的培训数据开始。您还可以尝试一些NLP方法（进行词性标记，然后将任何分类为NNS的内容添加为标记——这在您的示例中会有所帮助，但我不确定它是否会影响其他地方）。我不知道ebay/amazon marketplace/等是否会自动添加标签，或者仅仅依靠卖家。如果我必须设计它，我可能会依赖卖家，但使用一种自动技术来标记可能被错误分类以供审查的项目。

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