弹性搜索中的自动完成和下一个单词建议

Question

我想用elasticsearch实现自动完成，但我做不到。我想要类似的问题，这里。我尝试了建议的答案，但没有成功。我想要下面这样的东西：

我的索引字符串用于例如：

• “发展爪哇”
• "Developpeur C#“
• "Je suis Developpeur“
• "Je suisécrivan“
• “我是最先进的C++”

对于输入"develo"，我希望作为输出：

• “发展”
• “发展爪哇”
• "Developpeur C#“
• "Developpeur C++“

对于输入"developpeur"，我希望作为输出：

• "developpeur Java“
• “显影C#”
• “显影C++”

为了输入"suis"，我想要输出：

• "suis developpeur“
• "suisécrivan“

我试着用完成提示器来实现这个目标：

下面是我正在使用的elasticsearch：

"number": "6.2.2",
"build_hash": "10b1edd",
"build_date": "2018-02-16T19:01:30.685723Z",
"build_snapshot": false,
"lucene_version": "7.2.1",
"minimum_wire_compatibility_version": "5.6.0",
"minimum_index_compatibility_version": "5.0.0"

制图：

{
"settings": {
    "number_of_shards": "1",
    "analysis": {
        "filter": {
            "prefix_filter": {
                "type": "edge_ngram",
                "min_gram": 1,
                "max_gram": 20
            },
            "ngram_filter": {
                "type": "nGram",
                "min_gram": "3",
                "max_gram": "3"
            },
            "synonym_filter": {
                "type": "synonym",
                "synonyms": [
                    "hackwillbereplacedatindexcreation,hackwillbereplacedatindexcreation"
                ]
            },
            "french_stop": {
                "type": "stop",
                "stopwords": "french"
            }
        },
        "analyzer": {
            "word": {
                "type": "custom",
                "tokenizer": "standard",
                "filter": [
                    "lowercase",
                    "asciifolding",
                    "french_stop"
                ],
                "char_filter": []
            },
            "prefix": {
                "type": "custom",
                "tokenizer": "standard",
                "filter": [
                    "lowercase",
                    "asciifolding",
                    "synonym_filter",
                    "prefix_filter"
                ],
                "char_filter": []
            },
            "ngram_with_synonyms": {
                "type": "custom",
                "tokenizer": "standard",
                "filter": [
                    "lowercase",
                    "asciifolding",
                    "synonym_filter",
                    "ngram_filter"
                ],
                "char_filter": []
            },
            "ngram": {
                "type": "custom",
                "tokenizer": "standard",
                "filter": [
                    "lowercase",
                    "asciifolding",
                    "ngram_filter"
                ],
                "char_filter": []
            }
        }
    }
},
"mappings": {
    "training": {
        "properties": {
            "id": {
                "type": "text",
                "index": false
            },
            "label": {
                "type": "text",
                "index_options": "docs",
                "copy_to": "full_label",
                "analyzer": "word",
                "fields": {
                    "prefix": {
                        "type": "text",
                        "index_options": "docs",
                        "analyzer": "prefix",
                        "search_analyzer": "word"
                    },
                    "ngram": {
                        "type": "text",
                        "index_options": "docs",
                        "analyzer": "ngram_with_synonyms",
                        "search_analyzer": "ngram"
                    }
                }
            },
            "labelSuggest": {
                "type": "completion",
                "analyzer": "word"
            },
        }
    }
}

然后，当我用我的数据创建索引时，我这样做(这是对ES api进行put调用的主体，为此我使用pyhon )：

body = {
    "label": r["title"],
    "labelSuggest": {
        "input": r["title"].ngrams()
    },
    "weight": 1.
}

r" title ".ngrams()获取标题的所有ngram。例如：“发展研究生物技术”：“发展”、“研究”、“生物技术”、“发展研究”、“生物技术研究”和“发展研究生物技术”。

那么，给建议者打电话，我会：

   POST  http://localhost:9200/training/_search?pretty
{
    "suggest": {
        "labelSuggest": {
            "text": "developpeur",
            "completion": {
                "field": "labelSuggest",
                "skip_duplicates": true

            }
        }
    }
}

结果是：

{
    "text": "développement",
    "_index": "activity_20180518092449",
    "_type": "activity",
    "_id": "2031ce8b-6589-3270-afdf-7901aa21efa1",
    "_score": 1,
    "_source": {
        "id": "2031ce8b-6589-3270-afdf-7901aa21efa1",
        "name": "development research biotech",
        "labelSuggest": [
            "development",
            "research",
            "biotech",
            "development research",
            "research biotech",
            "development research biotech"
        ]
    }

但我想要给我的东西：“发展”、“发展研究”和“发展研究生物技术”(假设我们只有这份文件作为投入)。

我正在做的映射/查询有什么问题？这样做对吗？我希望我的问题很清楚。我找了很多遍都是徒劳的。

提前感谢

Answer 1

首先，恩格拉姆不会照你说的做。

这是：

"ngram_filter": {
            "type": "nGram",
            "min_gram": "3",
            "max_gram": "3"
        },

将从“发展爪哇”->开发，前夕，维尔，elo .等等。

查看这里的文档：Ngram托卡器

第二..。对于您想要的结果，我将只使用一个自定义分析器，它具有过滤器"icu_folding“和"engram”以及一个空白标记器。现在我将从2开始，最多从20-25开始。

这将从"developpeur“-> de，dev，deve，devel，develo，developp，developpe，devellopeu，developper .生成这样的标记列表。等等。

然后你在这个领域做一个简单的术语搜索。如果它是自动完成的下拉列表，您将在键入时返回记录。希望我能理解你的问题，希望这会有所帮助。

更新:尝试使用以下内容：

"suggester": {
"type": "custom",
"tokenizer": "whitespace",
"filter": ["my_ngram_filter", "icu_folding"],
"char_filter": []
}
"my_ngram_filter" is: "my_ngram_filter": {
    "type": "edge_ngram",
    "min_gram": "2",
    "max_gram": "20"
}

那么，字段上的映射应该如下所示

"labelSuggest": {
            "type": "text",
            "analyzer": "suggester"
        }

然后做一个简单的搜索

  {
  "query": {
    "term": {
      "labelSuggest": "dev" 
    }
   }
  }