elasticsearch ngrams：为什么匹配的令牌较短而不是较长？

我有一个带有以下映射和分析器的索引：

settings: {
    analysis: {
      char_filter: {
        custom_cleaner: {
          # remove - and * (we don't want them here)
          type: "mapping",
          mappings: ["-=>", "*=>"]
        }
      },
      analyzer: {
        custom_ngram: {
          tokenizer: "standard",
          filter: [ "lowercase", "custom_ngram_filter" ],
          char_filter: ["custom_cleaner"]
        }
      },
      filter: {
        custom_ngram_filter: {
          type: "nGram",
          min_gram: 3,
          max_gram: 20,
          token_chars: [ "letter", "digit" ]
        }
      }
    }
  },
  mappings: {
    attributes: {
      properties: {
        name: { type: "string"},
        words: { type: "string", similarity: "BM25", analyzer: "custom_ngram" }
      }
    }
  }
}

我在索引中有以下两个文档：

“姓名”：“衬衫”，“文字”：[“衬衫”]

及

“姓名”：“t恤”，“文字”：[“t恤”]

我执行多重匹配查询，如下所示：

"query": {

            "multi_match": {
               "query": "t-shirt",
               "fields": [
                  "words",
                  "name"
               ],
               "analyzer": "custom_ngram"
            }

   }

问题：

衬衫的得分为1.17，而t恤的得分为0.8。 这是为什么？我怎样才能使t恤（直接比赛）得分更高

我需要另一个用例的ngram，在这个用例中我必须检测包含匹配的内容。（衬衫是肌肉衬衫，…）所以我想我不能跳过ngrams

---

谢谢大家!

我认为这是因为您使用的是

标准标记器

，它将字符串“t-shirt”标记为标记“t”和“shirt”。然而，“t”比最小克大小短，因此不会从中生成令牌。因此，在每种情况下，您都会得到相同的匹配，但带有

t-shirt

的文档较长，因此得分较低

通过使用，您可以获得有关文档为什么会获得分数的详细信息

---

您确定需要使用ngrams吗？您的示例“肌肉衬衫”中的“衬衫”应该由

标准分析器处理，它将在连字符上标记。
我相信这是因为您使用的是
标准标记器
，它将字符串“t-shirt”标记为标记“t”和“shirt”。然而，“t”比最小克大小短，因此不会从中生成令牌。因此，在每种情况下，您都会得到相同的匹配，但带有
t-shirt
的文档较长，因此得分较低

通过使用，您可以获得有关文档为什么会获得分数的详细信息

您确定需要使用ngrams吗？您的示例“肌肉衬衫”中的“衬衫”应由
StandardAnalyzer处理，它将在连字符上标记。
谢谢您的回复！我马上就去试试。我想，我需要ngrams，因为我也想配上“肌肉衫”。如果没有ngrams，这是否可行？（事实上，它应该与肌肉衬衫和肌肉衬衫相匹配[为错误的例子感到抱歉]）解释告诉我，你完全正确。char_过滤器不应该去掉t恤上的污点吗？当我分析t恤时，elasticsearch返回的ngrams没有-（tsh，shi，hir，irt，…）嗯。你说得对，这没有什么意义。你能发布解释输出吗？结果是，我忘了用这些设置初始化索引，所以它使用了默认设置。。。哦，我的。。。谢谢你的支持！谢谢你的回复！我马上就去试试。我想，我需要ngrams，因为我也想配上“肌肉衫”。如果没有ngrams，这是否可行？（事实上，它应该与肌肉衬衫和肌肉衬衫相匹配[为错误的例子感到抱歉]）解释告诉我，你完全正确。char_过滤器不应该去掉t恤上的污点吗？当我分析t恤时，elasticsearch返回的ngrams没有-（tsh，shi，hir，irt，…）嗯。你说得对，这没有什么意义。你能发布解释输出吗？结果是，我忘了用这些设置初始化索引，所以它使用了默认设置。。。哦，我的。。。谢谢你的支持！