Hyphenation_decompounder令牌过滤器生成的令牌的Elasticsearch多匹配查询和操作符

Question

我对德语使用了分解器，并遵循了文档中提到的示例。到目前一切尚好。起作用了！文本kaffeetasse被标记为kaffee和tasse。

当我使用多匹配查询来查找kaffee和tasse匹配的文档时，就引起了人们的关注。在多匹配查询中，多匹配似乎使用或作为hyphenation_decompounder过滤器生成的令牌，而不是给定的运算符(“和”)。这是我的测试用例

映射

curl -XPUT "http://localhost:9200/testidx" -H 'Content-Type: application/json' -d'{  "settings": {    "index": {      "analysis": {        "analyzer": {          "index": {            "type" : "custom",            "tokenizer": "whitespace",            "filter": [ "lowercase" ]          },          "search": {            "type" : "custom",            "tokenizer": "whitespace",            "filter": [ "lowercase", "hyph" ]          }        },        "filter": {          "hyph": {            "type": "hyphenation_decompounder",            "hyphenation_patterns_path": "analysis/de_DR.xml",            "word_list": ["kaffee", "zucker", "tasse"],            "only_longest_match": true,            "min_subword_size": 4          }        }      }    }  },    "mappings" : {      "properties" : {        "title" : {          "type" : "text",          "analyzer": "index",          "search_analyzer": "search"        },        "description" : {          "type" : "text",          "analyzer": "index",          "search_analyzer": "search"        }      }    }  }' 

文档id=1

curl -XPOST "http://localhost:9200/testidx/_doc/1" -H 'Content-Type: application/json' -d'{  "title" : "Kaffee",  "description": "Milch Kaffee tasse"}' 

文档id=2

curl -XPOST "http://localhost:9200/testidx/_doc/2" -H 'Content-Type: application/json' -d'{  "title" : "Kaffee",  "description": "Latte Kaffee Becher"}' 

多匹配查询

curl -XGET "http://localhost:9200/testidx/_search" -H 'Content-Type: application/json' -d'{  "query": {    "multi_match": {      "query": "kaffeetasse",      "fields": ["title", "description"],      "operator": "and",     "type": "cross_fields",     "analyzer": "search"    }  }}'

我的期望是，elasticsearch应该只返回带有id=1的单个文档，因为它在其字段中有kaffee 和 tasse，但是它返回两个文档，因为它们都具有kaffee 或 tasse文本。

Elasticsearch：7.9.2

正如文档中提到的，de_DR.xml是从V1.2.zip/下载下载的。

Answer 1

Elasticsearch返回两个文档，因为它将operator参数应用于原始查询 kaffeetasse，而不是应用于分析器生成的令牌kaffee和tasse。在文档 for match查询中描述的此类行为：

运算符(可选字符串)布尔逻辑，用于解释query值中的文本。

由于原始查询是一个单词，所以operator参数没有意义。

作为一种解决方法，您可以分两个步骤执行搜索：

1. 使用分析API分析原始查询字符串： curl -XGET "分析“-H‘内容-类型: application/json’-d‘{”分析器“："search"，"text"："kaffeetasse"}’
2. 使用从search分析器接收到的令牌作为multi_match查询的单词，operator参数设置为and，analyzer参数设置为whitespace (以防止已经分析的令牌再次使用search分析器进行分析)： curl -XGET "搜索“-H‘内容-类型: application/json’-d'{”查询“：{"multi_match"：{”查询“：”multi_match“：”-H“，”字段“：”标题“，”描述“，”操作符“：”和“，类型："cross_fields"，”分析器“：”空格“}‘