精确匹配的正确排序和弹性搜索中的“开始”(前缀)

Question

我需要用Elasticsearch改进搜索结果列表。

假设我们有3个包含单个字段和内容的文档，如下所示：

• “苹果”
• “青苹果”
• “苹果树”

如果我搜索“苹果”，它可能发生，我得到的结果如下：

• “青苹果”
• “苹果树”
• “苹果”

但是我想要的是精确的匹配来获得最高的分数，这里是带有"apple“的文档。

接下来的最高分应该是以搜索词开头的条目，这里是“苹果树”和rest排序的默认方式。

所以我想要这个：

• “苹果”
• “苹果树”
• “青苹果”

我试图通过使用rescore来实现这个目标：

curl -X GET "http://localhost:9200/my_index_name/_search?size=10&pretty" -H 'Content-Type: application/json' -d'
{
   "query": {
      "query_string": {
          "query": "apple"
      }
   },
   "rescore": {
      "window_size": 500,
      "query": {
         "score_mode": "multiply",
         "rescore_query": {
            "bool": {
               "should": [
                  {
                     "match": {
                        "my_field1": {
                           "query": "apple",
                           "boost": 4
                        }
                     }
                  },
                  {
                     "match": {
                        "my_field1": {
                           "query": "apple*",
                           "boost": 2
                        }
                     }
                  }
               ]
            }
         },
         "query_weight": 0.7,
         "rescore_query_weight": 1.2
      }
   }
}'

但这并不有效，因为Elasticsearch似乎将所有单词按空格分隔开来。例如，搜索"apple*“也会带来”绿色苹果“。这似乎就是rescore不适合我的原因。

可能还有其他字符，如点".“、"-”、“”、“”等等，这些字符是Elasticsearch用来分割和搞乱我的排序的。

我还在"rescore_query“中玩”rescore_query“而不是"bool"，但没有成功。

我也试过只有一个匹配：

curl -X GET "http://localhost:9200/my_index_name/_search?size=10&pretty" -H 'Content-Type: application/json' -d'
{
   "query": {
      "query_string": {
          "query": "apple"
      }
   },
   "rescore": {
      "window_size": 500,
      "query": {
         "score_mode": "multiply",
         "rescore_query": {
            "bool": {
               "should": [
                  {
                     "match": {
                        "my_field1": {
                           "query": "apple*",
                           "boost": 2
                        }
                     }
                  }
               ]
            }
         },
         "query_weight": 0.7,
         "rescore_query_weight": 1.2
      }
   }
}'

看起来很管用，但我还是不确定。这是正确的方法吗？

EDIT1:对于其他查询，一个匹配的rescore不能正常工作。

Answer 1

唯一需要在分数中进行操作的地方是精确匹配，否则按术语的位置排序就会给出正确的顺序。让我们通过以下几点来理解这一点：

我们首先创建一个映射，如下所示：

PUT test
{
  "mappings": {
    "_doc": {
      "properties": {
        "my_field1": {
          "type": "text",
          "analyzer": "whitespace",
          "fields": {
            "keyword": {
              "type": "keyword"
            }
          }
        }
      }
    }
  }
}

我使用my_field1分析器创建字段whitespace，以确保只使用空格作为分隔符来创建令牌。其次，我创建了一个名为keyword的keyword类型的子字段。keyword将保存输入字符串的未分析值，我们将使用此值进行精确匹配。

让我们为索引添加几个文档：

PUT test/_doc/1
{
  "my_field1": "apple"
}

PUT test/_doc/2
{
  "my_field1": "apple tree"
}

PUT test/_doc/3
{
  "my_field1": "green apple"
}

如果使用下面的查询搜索术语apple，那么文档的顺序将是2,1,3。

POST test/_doc/_search
{
  "explain": true,
  "query": {
    "query_string": {
      "query": "apple",
      "fields": [
        "my_field1"
      ]
    }
  }
}

"explain": true在上面的查询中给出了分数计算步骤中的输出。阅读这篇文章会让你洞察一个文档是如何得分的。

我们所需要做的就是，提高比分以达到完全匹配的目的。我们将对字段my_field1.keyword进行精确匹配。您可能有一个问题，为什么不my_field1呢？之所以这样做是因为分析了my_field1，当为3个文档的输入字符串生成令牌时，所有文档都将在此字段中存储一个令牌(术语) apple (如果存在其他术语，例如tree用于Doc2，green用于Doc3)。当我们在这个字段上为术语apple运行完全匹配时，所有的文档都将匹配，并且对每个文档的得分有相似的影响，因此在分数上没有变化。由于只有一个文档具有精确的值作为apple与my_field1.keyword的对应，所以该文档(doc 1)将与精确查询匹配，我们将对此进行改进。因此，查询将是：

{
  "query": {
    "bool": {
      "should": [
        {
          "query_string": {
            "query": "apple",
            "fields": [
              "my_field1"
            ]
          }
        },
        {
          "query_string": {
            "query": "\"apple\"",
            "fields": [
              "my_field1.keyword^2"
            ]
          }
        }
      ]
    }
  }
}

上面查询的输出：

{
  "took": 9,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 3,
    "max_score": 1.7260925,
    "hits": [
      {
        "_index": "test3",
        "_type": "_doc",
        "_id": "1",
        "_score": 1.7260925,
        "_source": {
          "my_field1": "apple"
        }
      },
      {
        "_index": "test3",
        "_type": "_doc",
        "_id": "2",
        "_score": 0.6931472,
        "_source": {
          "my_field1": "apple tree"
        }
      },
      {
        "_index": "test3",
        "_type": "_doc",
        "_id": "3",
        "_score": 0.2876821,
        "_source": {
          "my_field1": "green apple"
        }
      }
    ]
  }
}