ElasticSearch-搜索人名
我有一个很大的姓名数据库,主要来自苏格兰。我们目前正在生产一个原型,以取代现有的一个执行搜索的软件。这仍在生产中,我们的目标是让我们的结果尽可能接近相同搜索的当前结果 我希望有人能帮我,我正在进入弹性搜索,查询是“迈克尔·希尼”,我得到一些疯狂的结果。当前搜索返回两个主要姓氏,它们是“Heaney”和“Heavey”,所有姓氏的名字都是“Michael”,我可以在弹性搜索中获得“Heaney”结果,但是我无法获得“Heavey”,ES也返回不姓“Michael”的人,不过我很欣赏这是因为这是模糊查询的一部分。我知道这是一个狭隘的用例,因为这只是一个搜索,但得到这个结果并知道如何获得它会有所帮助 谢谢 映射ElasticSearch-搜索人名,search,lucene,elasticsearch,search-engine,Search,Lucene,elasticsearch,Search Engine,我有一个很大的姓名数据库,主要来自苏格兰。我们目前正在生产一个原型,以取代现有的一个执行搜索的软件。这仍在生产中,我们的目标是让我们的结果尽可能接近相同搜索的当前结果 我希望有人能帮我,我正在进入弹性搜索,查询是“迈克尔·希尼”,我得到一些疯狂的结果。当前搜索返回两个主要姓氏,它们是“Heaney”和“Heavey”,所有姓氏的名字都是“Michael”,我可以在弹性搜索中获得“Heaney”结果,但是我无法获得“Heavey”,ES也返回不姓“Michael”的人,不过我很欣赏这是因为这是模糊
{
"jr": {
"_all": {
"enabled": true,
"index_analyzer": "index_analyzer",
"search_analyzer": "search_analyzer"
},
"properties": {
"pty_forename": {
"type": "string",
"index": "analyzed",
"boost": 2,
"index_analyzer": "index_analyzer",
"search_analyzer": "search_analyzer",
"store": "yes"
},
"pty_full_name": {
"type": "string",
"index": "analyzed",
"boost": 4,
"index_analyzer": "index_analyzer",
"search_analyzer": "search_analyzer",
"store": "yes"
},
"pty_surname": {
"type": "string",
"index": "analyzed",
"boost": 4,
"index_analyzer": "index_analyzer",
"search_analyzer": "search_analyzer",
"store": "yes"
}
}
}
}'
索引设置
{
"settings": {
"number_of_shards": 2,
"number_of_replicas": 0,
"analysis": {
"analyzer": {
"index_analyzer": {
"tokenizer": "standard",
"filter": [
"standard",
"my_delimiter",
"lowercase",
"stop",
"asciifolding",
"porter_stem",
"my_metaphone"
]
},
"search_analyzer": {
"tokenizer": "standard",
"filter": [
"standard",
"my_metaphone",
"synonym",
"lowercase",
"stop",
"asciifolding",
"porter_stem"
]
}
},
"filter": {
"synonym": {
"type": "synonym",
"synonyms_path": "synonyms/synonyms.txt"
},
"my_delimiter": {
"type": "word_delimiter",
"generate_word_parts": true,
"catenate_words": false,
"catenate_numbers": false,
"catenate_all": false,
"split_on_case_change": false,
"preserve_original": false,
"split_on_numerics": false,
"stem_english_possessive": false
},
"my_metaphone": {
"type": "phonetic",
"encoder": "metaphone",
"replace": false
}
}
}
}
}'
模糊
{
"from":0, "size":100,
"query": {
"bool": {
"should": [
{
"fuzzy": {
"pty_surname": {
"min_similarity": 0.2,
"value": "Heaney",
"prefix_length": 0,
"boost": 5
}
}
},
{
"fuzzy": {
"pty_forename": {
"min_similarity": 1,
"value": "Michael",
"prefix_length": 0,
"boost": 1
}
}
}
]
}
}
}
首先,我在游戏中重新创建了您当前的配置: 如果您转到此处,请切换到“分析”选项卡以查看文本的转换方式: 注意,例如,
search\u analyzer
将Heaney
标记为[hn,heanei]
,将索引\u analyzer
标记为[hn,heanei]
。注意变音词的大小写差异。因此,这一点是不匹配的
模糊查询不进行查询时间文本分析。因此,您最终将Heavey
与heanei
进行比较。这比参数允许的时间长
您真正想做的是使用match
的模糊功能。Match进行查询时文本分析,并具有模糊性参数
至于的模糊性
,这在Lucene 4中有所改变。以前,它通常被指定为浮点。现在,应将其指定为允许的距离。有一个未完成的请求来澄清:
你之所以让人们没有名字叫迈克尔,是因为你在做一件事。这是一个逻辑或语义。一场比赛就足够了,但得分越高越好
最后,将所有过滤合并到同一术语中并不一定是最佳方法。例如,您无法知道并提高精确拼写。您应该考虑使用A以多种方式处理字段。
,使用下面的curl命令重新创建它。不过,我会完全跳过使用“波特”词干分析器。我留着它只是为了展示multi_field是如何工作的。使用匹配、模糊匹配和语音匹配的组合应该能让你走得更远。(在进行语音匹配时,请确保不允许模糊性,否则将得到无用的模糊匹配。:-)
谢谢你,亚历克斯。让我想一想这些情况,我会向你汇报的。答案看起来非常详尽。我们刚刚发表了一篇关于模糊搜索的文章,这篇文章可能也很有意思:威尔会将其加入书签。非常感谢你的帮助,我学到了很多。我不明白你为什么需要“应该”和“布尔”这两层?所有的都找到了。没有链接是死的
#!/bin/bash
export ELASTICSEARCH_ENDPOINT="http://localhost:9200"
# Create indexes
curl -XPUT "$ELASTICSEARCH_ENDPOINT/play" -d '{
"settings": {
"analysis": {
"text": [
"Michael",
"Heaney",
"Heavey"
],
"analyzer": {
"metaphone": {
"type": "custom",
"tokenizer": "standard",
"filter": [
"my_metaphone"
]
},
"porter": {
"type": "custom",
"tokenizer": "standard",
"filter": [
"lowercase",
"porter_stem"
]
}
},
"filter": {
"my_metaphone": {
"encoder": "metaphone",
"replace": false,
"type": "phonetic"
}
}
}
},
"mappings": {
"jr": {
"properties": {
"pty_surename": {
"type": "multi_field",
"fields": {
"pty_surename": {
"type": "string",
"analyzer": "simple"
},
"metaphone": {
"type": "string",
"analyzer": "metaphone"
},
"porter": {
"type": "string",
"analyzer": "porter"
}
}
}
}
}
}
}'
# Index documents
curl -XPOST "$ELASTICSEARCH_ENDPOINT/_bulk?refresh=true" -d '
{"index":{"_index":"play","_type":"jr"}}
{"pty_surname":"Heaney"}
{"index":{"_index":"play","_type":"jr"}}
{"pty_surname":"Heavey"}
'
# Do searches
curl -XPOST "$ELASTICSEARCH_ENDPOINT/_search?pretty" -d '
{
"query": {
"bool": {
"should": [
{
"bool": {
"should": [
{
"match": {
"pty_surname": {
"query": "heavey"
}
}
},
{
"match": {
"pty_surname": {
"query": "heavey",
"fuzziness": 1
}
}
},
{
"match": {
"pty_surename.metaphone": {
"query": "heavey"
}
}
},
{
"match": {
"pty_surename.porter": {
"query": "heavey"
}
}
}
]
}
}
]
}
}
}
'