elasticsearch" />
elasticsearch,Python,Python Elasticsearch协同相似性问题，更新文档之前是否需要创建映射？
我想知道我是否真的把事情搞砸了。。。我真的没有太多时间来重新更新我所有的文档 好的，使用sbert，我在文档中添加了句子嵌入，下面是基本的插入过程：Python Elasticsearch协同相似性问题，更新文档之前是否需要创建映射？,python,
elasticsearch,Python,
def tweet\u sbert\u embeddings（）：
"""
使用sbert wordvecs更新elasticsearch索引
"""
总数=0
尽管如此：
结果=es.search(
index=“tweets”，
尺寸=50，
身体={
“_来源”：[
“文本”，
],
“查询”：{“bool”：{“must_not”：{“exists”：{“field”：“sbert_vec”}}}，
},
)
如果len（结果[“命中”][“命中”]）==0：
打印（“完成”）
打破
ids=[]
句子=[]
对于结果中的项目[“命中”][“命中”]：
附加（项[“\u id”]）
句子。追加（项目[“_source”][“text”]）
embeddings=embedder.encode（句子，转换为张量=True）
批量_数据=[]
#embeddings.size（）[0]对应于len（句子）
对于范围内的索引（embeddings.size（）[0]）：
bulk_data.append(
{
“_op_type”：“更新”，
“_索引”：“tweets”，
“_id”：id[索引]，
“doc”：{“sbert_vec”：嵌入[index].tolist（）}，
}
)
helpers.bulk（es、bulk_数据）
为True时：
输入问题=输入（“请输入问题：”）
encode_start_time=time.time（）
问题嵌入=embedder.encode（inp\u问题）
encode_end_time=time.time（）
#词汇搜索
bm25=es.search（index=“tweets”，body={“查询”：{“匹配”：{“文本”：inp_question}}）
#语义搜索
sem_search=es.search(
index=“tweets”，
身体={
“查询”：{
“脚本_分数”：{
“查询”：{“bool”：{“must”：{“exists”：{“field”：“sbert_vec”}}}，
“脚本”：{
“来源”：“协同相似性（params.queryVector，doc['sbert_vec']）+1.0”，
“params”：{“queryVector”：问题}，
},
}
}
},
)
打印（“输入问题：”，输入问题）
印刷品(
“计算嵌入耗时{.3f}秒，BM25搜索耗时{.3f}秒，使用ES进行语义搜索耗时{.3f}秒”。格式(
编码结束时间-编码开始时间，
bm25[“take”]/1000，
sem_搜索[“take”]/1000，
)
)
打印（“BM25结果：”）
对于bm25中的命中率[“命中率”][“命中率”][0:5]：
打印（“\t{}.”格式（点击[“\u源”][“问题”]））
打印（“\n手动搜索结果：”）
对于搜索引擎中的命中率[“命中率”][“命中率”][0:5]：
打印（“\t{}.”格式（点击[“\u源”][“问题”]））
打印（“\n\n=============\n”）
elasticsearch.exceptions.RequestError:RequestError（400，'search\u phase\u execution\u exception'，'runtime error'）