如何从Python中提高Easticsearch的查询精度？

如何通过使用Python包装器提高搜索结果的准确性？我的基本示例返回结果，但结果非常不准确

我正在Ubuntu 16上运行Elasticsearch 5.2，首先创建索引并添加一些文档，如：

es = Elasticsearch()
# Document A
es.index(
    index='my-test-index',
    doc_type='text',
    body=dict(
        search_key='some specific keywords',
        weight=1.0,
        data='blah1',
    ),
)
# Document B
es.index(
    index='my-test-index',
    doc_type='text',
    body=dict(
        search_key='some other specific keywords',
        weight=1.0,
        data='blah2',
    ),
)
# Document C
es.index(
    index='my-test-index',
    doc_type='text',
    body=dict(
        search_key='some other very long text that is very different yet mentions the word specific and keywords',
        weight=1.0,
        data='blah3',
    ),
)

然后，我用以下方法对其进行查询：

es = Elasticsearch()
es.indices.create(index='my-test-index', ignore=400)
query = 'some specific keywords'
results = es.search(
    index='my-test-index',
    body={
        'query':{
            "function_score": {
                "query": {  
                    "match": {
                        "search_key": query
                    }
                },
                "functions": [{
                    "script_score": { 
                        "script": "doc['weight'].value"
                    }
                }],
                "score_mode": "multiply"
            }
        },
    }
)

虽然它返回所有结果，但它按文档B、C、A的顺序返回，而我希望它们按文档A、B、C的顺序返回，因为尽管所有文档都包含我的所有关键字，但只有第一个是完全匹配的。我希望C是最后一个，因为即使它包含了我所有的关键字，它也包含了很多我没有显式搜索的绒毛

当我为更多的条目编制索引时，这个问题就更加复杂了。搜索从我的查询中返回所有甚至只有一个关键字的内容，并似乎以相同的方式对它们进行加权，导致搜索结果随着索引的增大而变得越来越不准确

---

这使得Elasticsearch几乎毫无用处。还有什么我可以修的吗？我的

search（）

调用有问题吗？

在您的查询中，您可以使用

match\u短语

查询而不是

match

查询，以便将搜索词的顺序和接近度混合在一起。此外，您还可以添加一个小的

slop

，以便使术语进一步分开或以不同的顺序排列。但术语顺序相同且距离较近的文档的排名将高于术语顺序不正确和/或距离较远的文档。试试看

            "query": {  
                "match_phrase": {
                    "search_key": query,
                    "slop": 10
                }
            },

---

注意：

slop

是一个数字，指示您需要执行多少个搜索词才能登录文档中的词配置。

在查询中，您可以使用

match\u短语

查询，而不是

match

查询，以便将搜索词的顺序和接近度混合在一起。此外，您还可以添加一个小的

slop

，以便使术语进一步分开或以不同的顺序排列。但术语顺序相同且距离较近的文档的排名将高于术语顺序不正确和/或距离较远的文档。试试看

            "query": {  
                "match_phrase": {
                    "search_key": query,
                    "slop": 10
                }
            },

---

注意：

slop

是一个数字，表示您需要执行多少搜索项才能登录到文档中的术语配置。

很抱歉没有更仔细地阅读您的问题和下面加载的答案。我不想陷入泥潭，但我认为如果你对Elasticsearch本身的工作原理有更多的了解，就会更清楚

由于您在不指定任何索引和配置的情况下为文档编制索引，Elasticsearch将使用它提供的一些开箱即用的默认值。索引过程将首先使用标记化文档中的字段值，并在将其存储到索引中之前使用进行分析。标准标记器和分析器都是根据单词边界分割字符串的。因此，在索引时间结束时，

搜索键

字段中的术语索引中有

[“某些”、“特定”、“关键字”]

，而不是

“某些特定关键字”

在搜索期间，

匹配

查询使用称为术语频率/反向文档频率或TF/IDF的相似性算法进行控制。这种算法在一般的文本搜索中非常流行，并且有一个关于它的维基百科部分：。这里需要注意的是，你的术语在索引中出现的频率越高，它在相关性方面就越不重要<代码>某些、

特定的

和

关键字

出现在索引中的所有3个文档中，因此就elasticsearch而言，它们对文档在搜索结果中的相关性贡献甚微。由于A只包含这些术语，这就像在英文索引中有一个文档只包含

the

，

an

，

A

。即使您搜索

the

，

an

，

a

，它也不会显示为第一个结果。B的排名高于C，因为B较短，这会产生较高的范数值。该规范值在相关文档中进行了解释。就我而言，这是一种推测，但如果您使用API解释查询，我认为它确实是这样工作的

---

那么，回到你的需要，如何使精确匹配优于其他一切？当然，正如瓦尔所指出的那样，还有一个问题。另一种流行的方法，我个人更喜欢，是在名为

search\u key的嵌套字段中索引原始值。定义映射时，使用
not\u analysisted
选项为原始值编制索引：搜索时只需增加此原始值。
很抱歉没有更仔细地阅读您的问题和下面加载的答案。我不想陷入泥潭，但我认为如果你对Elasticsearch本身的工作原理有更多的了解，就会更清楚

由于您在不指定任何索引和配置的情况下为文档编制索引，Elasticsearch将使用它提供的一些开箱即用的默认值。索引过程将首先使用标记化文档中的字段值，并在将其存储到索引中之前使用进行分析。标准标记器和分析器都是根据单词边界分割字符串的。因此，在索引时间结束时，
搜索键
字段中的术语索引中有
[“某些”、“特定”、“关键字”]
，而不是
“某些特定关键字”

在搜索期间，
匹配
查询使用称为术语频率/反向文档频率或TF/IDF的相似性算法进行控制。这种算法在一般的文本搜索中非常流行，并且有一个关于它的维基百科部分：。这里需要注意的是，你的术语在索引中出现的频率越高，它在相关性方面就越不重要<代码>部分

，

特定

，a