基于模糊搜索的弹性搜索精确搜索

Question

我有一个包含公司名称的索引、公司的缩写和公司工作的描述(索引模式如下)。本文件中一个元素的例子是：

{
  "abbreviation": "APPL",
  "name": "Apple",
  "description": "Computer software and hardware"
}

通常，用户在搜索文档时将输入abbreviation。有时，他们可能不正确地输入这一点，而elasticsearch在这种情况下效果很好。然而，大多数时候，用户都会准确地输入缩略语，当他们在响应的顶部得到最好的匹配时，一些分数较低(大于0)的垃圾就会回来。我尝试过在查询中使用min_score，但是很难选择这个参数，因为分数波动很大。

是否有一种方法可以消除与abbreviation字段不完全匹配但仍有模糊匹配作为备份的文档，以防未找到精确匹配或用户搜索其他字段(例如name和description)？

以下是几个例子：

1. 查询仅AAPL会产生3个结果，这两个结果与查询完全匹配，因此有相当高的分数，但ADP仍然有点相似，但显然不是用户搜索的结果。

{
  "abbreviation": "APPL",
  "name": "Apple, Inc.",
  "description": "Computer software and hardware"
},
{
  "abbreviation": "APPL",
  "name": "Apple, Inc.",
  "description": "Computer software and hardware"
},
{
  "abbreviation": "ADP",
  "name": "Automatic Data Processing, Inc",
  "description": "Computer software and hardware"
}

1. 查询Apple时，我们再次得到了最重要的几个条目是超级相关的，但随后出现了一些其他公司名称。

{
  "abbreviation": "APPL",
  "name": "Apple, Inc.",
  "description": "Computer software and hardware"
},
{
  "abbreviation": "APPL",
  "name": "Apple, Inc.",
  "description": "Computer software and hardware"
},
{
  "abbreviation": "CSCO",
  "name": "AppDynamics (Cisco subsidiary)",
  "description": "Computer software"
}

文档的模式：

{
  "settings": {
    "index": {
      "requests.cache.enable": true
    }
  },
  "mappings": {
    "properties": {
      "abbreviation_and_name": {
        "type": "text",
        "boost": 2
      },
      "abbreviation": { "type": "text", "copy_to": "abbreviation_and_name", "boost": 20 },
      "name": { "type": "text", "copy_to": "abbreviation_and_name" },
      "description": { "type": "text" }
    }
  }
}

Answer 1

首先，我可能会问为什么在搜索AAPL时应该带回以下文档：

{
  "abbreviation": "ADP",
  "name": "Automatic Data Processing, Inc",
  "description": "Computer software and hardware"
}

其次，我建议从索引映射中删除升压标准，建议在查询级别进行提升。

但总的来说，我相信您可能只是想要一个OR查询：

{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "abbreviation": {
              "query": "AAPL",
              "boost": 2
            }
          }
        },
        {
          "multi_match": {
            "query": "AAPL",
            "fields": ["name", "description"],
            "fuzziness": "AUTO"
          }
        }
      ]
    }
  }
}

这可能不会像您所描述的那样产生确切的结果，但我认为这对于您的用例来说应该很好。