Elasticsearch 單字串多欄位查詢

狼爺發表於2021-03-15

前言

有些時候,我們搜尋的時候,只會提供一個輸入框,但是會查詢相關的多個欄位,典型的如Google搜尋,我們該如何用 Elasticsearch 如何實現呢?

例項

從單字串查詢的例項說起

建立測試例子的資料

DELETE blogs

PUT blogs/_doc/_bulk
{"index":{"_id":1}}
{"title": "Quick brown rabbits","body": "Brown rabbits are commonly seen."}
{"index":{"_id":2}}
{"title": "Keeping pets healthy","body": "My quick brown fox eats rabbits on a regular basis"}
GET blogs/_search
{
  "explain": true,
  "query": {
    "bool": {
      "should": [
        {"match": {"title": "Brown fox"}},
        {"match": {"body": "Brown fox"}}
      ]
    }
  }
}

上面的例子相關性的值是title與body的簡單相加,可以通過“"explain": true”列印出來的資料進行查詢計算的過程。

最優欄位查詢調優

可以使用disjunction max query,讓其匹配最大相關性那個欄位,同時tie_breaker可以調整相關性,取值範圍是0~1,可以控制相關性較小那個值佔用的比例,預設是0,畢竟只要相關性最大那個欄位就好了,其他欄位不打分。

GET blogs/_search
{
  "explain": true,
  "query": {
    "dis_max": {
      "queries": [
        {"match": {"title": "Brown fox"}},
        {"match": {"body": "Brown fox"}}
      ],
      "tie_breaker": 0.7
    }
  }
}

相關性的值是title與body中的最大值。

multi_match

multi_match 查詢為能在多個欄位上反覆執行相同查詢提供了一種便捷方式。

上面的dis_max例子改寫如下

GET blogs/_search
{
  "explain": true, 
  "query": {
    "multi_match": {
      "type": "most_fields", 
      "query": "Brown fox",
      "fields": ["title","body"],
      "tie_breaker": 0.7
    }
  }
}

multi_match 查詢

multi_match 支援三種場景

  • best_fields——(預設)查詢匹配任何欄位的文件,但是使用最佳匹配欄位的_score。
  • most_fields——查詢匹配任何欄位的文件,結合每個欄位的_score。
  • cross_fields——用相同的分析器處理欄位,把這些欄位當作一個大欄位。查詢任何欄位的每個單詞。類似copy_to

query中可以指定minimum_should_match、operator等欄位,會把這些欄位傳遞到query語句中

best_fields

當搜尋詞語具體概念的時候,比如 “brown fox” ,片語比各自獨立的單詞更有意義。像 title 和 body 這樣的欄位,儘管它們之間是相關的,但同時又彼此相互競爭。文件在相同欄位 中包含的詞越多越好,評分也來自於最匹配欄位 。

best_fields 語句 等同於 dis_max 語句,可以配置tie_breaker引數。

most_fields

全文搜尋被稱作是 召回率(Recall) 與 精確率(Precision) 的戰場: 召回率 ——返回所有的相關文件; 精確率 ——不返回無關文件。目的是在結果的第一頁中為使用者呈現最為相關的文件。

為了提高召回率的效果,我們擴大搜尋範圍——不僅返回與使用者搜尋詞精確匹配的文件,還會返回我們認為與查詢相關的所有文件。如果一個使用者搜尋 “quick brown box” ,一個包含詞語“fast foxes”的文件被認為是非常合理的返回結果。

提高全文相關性精度的常用方式是為同一文字建立多種方式的索引,每種方式都提供了一個不同的相關度訊號signal。主欄位會以儘可能多的形式的去匹配儘可能多的文件。

DELETE titles

PUT titles
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "english",
        "fields": {"std": {"type": "text","analyzer": "standard"}}
      }
    }
  }
}
GET /titles/_search
{
  "query": {
    "multi_match": {
      "query":  "barking dogs",
      "type":   "most_fields",
      "fields": [ "title^10", "title.std" ]
    }
  }
}

比如這個例子,文件中的“title”被索引了兩次,主欄位“title”的分詞器是“english”,會提取詞幹,“a”,“the”等這些會在分詞過程中被過濾掉,“ing”等會去除,子欄位“title.std”的分詞器是“standard”,不會提取詞幹。

同時指定了boost,比如上面的“title^10”,表示“title”的權重是10。

cross_fields

對於某些實體,我們需要在多個欄位中確定其資訊,單個欄位都只能作為整體的一部分:

Person: first_name 和 last_name (人:名和姓)
Book: title 、 author 和 description (書:標題、作者、描述)
Address: street 、 city 、 country 和 postcode (地址:街道、市、國家和郵政編碼)

在這種情況下,我們希望在任何 這些列出的欄位中找到儘可能多的詞,這有如在一個大欄位中進行搜尋,這個大欄位包括了所有列出的欄位。

這個類似copy_to,copy_to需要額外的儲存空間,這個不需要。

支援 operator 操作,如果指定的是“and”,那麼表示所有詞都是必須的。

參考資料

相關文章