Elasticsearch：使用同義詞 synonyms 來提高搜尋效率
阿里雲官方映象站：
https://developer.aliyun.com/mirror/?&utm_content=g_1000304576
在我們的很多情況下，我們希望在搜尋時，有時能夠使用一個詞的同義詞來進行搜尋，這樣我們能搜尋出來更多相關的內容。我們可以透過 text analysis 來幫助我們形成同義詞。文字分析通常應用於你建立索引時的所有文件以及傳送給 Elasticsearch 的所有查詢。在進行同義詞搜尋時，我們有如下的幾種方案：
-
在建立索引時 (indexing)，透過 analyzer 建立 synonyms 的反向索引 （inverted index)
-
在 query 時，透過 search analyzer 對查詢的詞建立 synonyms
-
在 indexing 及 query 時，同時建立反向索引中的 synonym 及在 query 時為查詢的詞建立 synonyms
那麼在實際的使用中，我們到底是用上述的哪種方案呢？在下面的例子中，你將看到在 query 時使用 synonym 會更加靈活，並且更容易讓我們更新同義詞的名單已經更好地支援 multi-word synonyms。
在今天的文章中，我們將分別論述。
在 query 時對詞進行同義詞解析
首先，我們來建立一個具有如下 anaylzer 及 mapping 的一個索引：
PUT myindex
{
"settings": {
"analysis": {
"filter": {
"my_synonyms": {
"type": "synonym_graph",
"synonyms": [
"China, chn, PRC, People's Republic of China"
]
}
},
"analyzer": {
"my_analyzer": {
"type": "custom",
"tokenizer": "standard",
"filter":[
"lowercase",
"my_synonyms"
]
}
}
}
},
"mappings": {
"properties": {
"content": {
"type": "text",
"analyzer": "standard",
"search_analyzer": "my_analyzer"
}
}
}
}
在上面，我們使用 synonym_graph 過濾器對 quey 時的詞進行過濾。在這個過濾器中，我們把如下的一個詞都視為同義詞：
China, chn, PRC, People’s Republic of China
在 mapping 中，我們定義了 search_analyzer 為 my_analyzer，也就是說在 query 時，它會對所有的詞進行分詞。但凡有任何一個詞是 China, chn, PRC, People’s Republic of China 其中的一個，它都將被視為同義詞。
我們首先來建立一個文件：
PUT myindex/_doc/1
{
"content": "I like People's Republic of China"
}
執行上面的指令，我們將建立一個 content 為 I like People’s Republic of China 的文件。
接下來，我們做如下的查詢：
GET myindex/_search
{
"query": {
"match": {
"content": "China"
}
}
}
那麼顯示的結果是：
{
"took" : 256,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 1.4384104,
"hits" : [
{
"_index" : "myindex",
"_type" : "_doc",
"_id" : "1",
"_score" : 1.4384104,
"_source" : {
"content" : "I like People's Republic of China"
}
}
]
}
}
可能有人說了，這是因為上面的 content 裡本身就含有 China, 所以上面的結果證明不了什麼。接下來，我們進行如下的搜尋：
GET myindex/_search
{
"query": {
"match": {
"content": "prc"
}
}
}
結果，我們可以發現，我們同樣顯示上面的搜尋的結果。這個說明了這個同義詞的搜尋是成功的。
接下來，我們想搜尋 silk road 也能搜尋出中國來，那麼我怎麼做呢？
我們來執行如下的命令：
POST myindex/_close
PUT myindex/_settings
{
"analysis": {
"filter": {
"my_synonyms": {
"type": "synonym_graph",
"synonyms": [
"china, silk road, chn, PRC, People's Republic of China"
]
}
},
"analyzer": {
"my_analyzer": {
"type": "custom",
"tokenizer": "standard",
"filter": [
"lowercase",
"my_synonyms"
]
}
}
}
}
POST myindex/_open
我們可以透過更新 setting 來實現這個。在上面請注意：當我們更新一個索引的 index 時，我們必須先把它關掉，等設定好後，在重新開啟。否則會有錯誤。那麼經過上面的修改後，我們重新執行如下的搜尋：
GET myindex/_search
{
"query": {
"match": {
"content": "silk road"
}
}
}
那麼上面的搜尋結果將會顯示我們之前顯示的結果。在這裡 silk road 也就是和之前的其它詞都是同義詞。
有人可能覺得上面在 settings 裡配置太多的同義詞很麻煩（如果同義詞很多的話）。按照 Elastic 的官方文件，我們可以把所有的同義詞放到一個文件中。首先，我們在 Elasticsearch 的 config 目錄中，建立一個叫做 analysis 的子目錄，然後建立一個叫做 synonyms.txt 的文件，而它的內容如下：
$ pwd /Users/liuxg/elastic/elasticsearch-7.8.0/config/analysis liuxg:analysis liuxg$ cat synonyms.txt "china, silk road, chn, PRC, People's Republic of China", "elk, elastic stack"
在這裡，我們多新增了一個 elk, elastic stack 的同義詞。我們來建立一個新的索引：
PUT myindex1
{
"settings": {
"analysis": {
"filter": {
"my_synonyms": {
"type": "synonym_graph",
"synonyms_path": "analysis/synonyms.txt"
}
},
"analyzer": {
"my_analyzer": {
"type": "custom",
"tokenizer": "standard",
"filter":[
"lowercase",
"my_synonyms"
]
}
}
}
},
"mappings": {
"properties": {
"content": {
"type": "text",
"analyzer": "standard",
"search_analyzer": "my_analyzer"
}
}
}
}
執行完上的指令後，我們來建立一個文件：
PUT myindex1/_doc/1
{
"content": "I love elastic stack"
}
然後我們做如下的搜尋：
GET myindex1/_search
{
"query": {
"match": {
"content": "elk"
}
}
}
上面的搜尋結果顯示：
{
"took" : 451,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 0.5753642,
"hits" : [
{
"_index" : "myindex1",
"_type" : "_doc",
"_id" : "1",
"_score" : 0.5753642,
"_source" : {
"content" : "I love elastic stack"
}
}
]
}
}
顯然，我可以看到搜尋 elk，我們就可以搜尋到含有 elastic stack 的文件。
在實際的使用中，如果我們更新 synonyms.txt 檔案，那麼，我們可以使用如下的 API 來進行更新：
POST myindex1/_reload_search_analyzers
在建立索引時建立同義詞
針對這種情況，我們可以在建立索引的時候，就把同義詞建立好。這樣，我們可以在 query 時，不使用同義詞解析。在這種情況下，我們可以使用 synonym 過濾器，而不是 synonym_graph 過濾器。
我們接下來使用如下的命令來建立一個新的索引：
PUT myindex2
{
"settings": {
"analysis": {
"filter": {
"my_synonyms": {
"type": "synonym",
"synonyms": [
"china, silk road, chn, PRC, People's Republic of China",
"elk, elastic stack"
]
}
},
"analyzer": {
"my_analyzer": {
"tokenizer": "standard",
"filter": [
"lowercase",
"my_synonyms"
]
}
}
},
"number_of_shards": 1
},
"mappings": {
"properties": {
"content": {
"type": "text",
"analyzer": "my_analyzer"
}
}
}
}
在上面，我們使用了 my_analyzer 作為 myindex2 在索引時使用的分詞器。它將使用 synonym 過濾器，並把如下的詞視為同義詞：
"china, silk road, chn, PRC, People's Republic of China", "elk, elastic stack"
我們可以使用如下的方法來測試這個 analyzer:
POST myindex2/_analyze
{
"text": "I like elk a lot",
"analyzer": "my_analyzer"
}
上面的命令顯示的結果是：
{
"tokens" : [
{
"token" : "i",
"start_offset" : 0,
"end_offset" : 1,
"type" : "<ALPHANUM>",
"position" : 0
},
{
"token" : "like",
"start_offset" : 2,
"end_offset" : 6,
"type" : "<ALPHANUM>",
"position" : 1
},
{
"token" : "elk",
"start_offset" : 7,
"end_offset" : 10,
"type" : "<ALPHANUM>",
"position" : 2
},
{
"token" : "elastic",
"start_offset" : 7,
"end_offset" : 10,
"type" : "SYNONYM",
"position" : 2
},
{
"token" : "a",
"start_offset" : 11,
"end_offset" : 12,
"type" : "<ALPHANUM>",
"position" : 3
},
{
"token" : "stack",
"start_offset" : 11,
"end_offset" : 12,
"type" : "SYNONYM",
"position" : 3
},
{
"token" : "lot",
"start_offset" : 13,
"end_offset" : 16,
"type" : "<ALPHANUM>",
"position" : 4
}
]
}
你可以看到，儘管在測試的 text 沒有 elastic stack，只有 elk，但是顯示的結果了含有 elastic 及 stack 這兩個 token。
我們接下來使用如下的命令來建立一個文件：
PUT myindex2/_doc/1
{
"content": "I like elk a lot"
}
我們使用如下的查詢：
GET myindex2/_validate/query?rewrite=true
{
"query": {
"match": {
"content": "elastic stack"
}
}
}
上面顯示的結果是：
{
"_shards" : {
"total" : 1,
"successful" : 1,
"failed" : 0
},
"valid" : true,
"explanations" : [
{
"index" : "myindex2",
"valid" : true,
"explanation" : """content:"elastic stack" content:elk"""
}
]
}
從上面的顯示的結果來看，當我們搜尋 elastic stack 時，它同時匹配 content: “elastic stack” 以及 content: elk。也就是說，如果文件裡含有 elk，那麼這個文件也將被搜尋到。我們做如下的搜尋：
GET myindex2/_search
{
"query": {
"match": {
"content": "elastic stack"
}
}
}
那麼上面的命令顯示的結果是：
{
"took" : 0,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 0.977273,
"hits" : [
{
"_index" : "myindex2",
"_type" : "_doc",
"_id" : "1",
"_score" : 0.977273,
"_source" : {
"content" : "I like elk a lot"
}
}
]
}
}
顯然它已經把我們的想要的結果搜尋出來了。
總結
在上面，我們展示了兩種方法進行同義詞的查詢。在實際的使用中，你可以根據自己的情況適當進行選擇。當然，我們有可以把上面的兩種方法進行同時並用。透過這兩種方法，也有可能會造成搜尋的精確度的問題。這個是你必須要想清楚的。這個就像我們撒網打魚一樣，把網撒大了，撈上來的也有可能不是我們想要的。
原文連結：https://elasticstack.blog.csdn.net/article/details/108003222
來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/70003733/viewspace-2840424/，如需轉載，請註明出處，否則將追究法律責任。
相關文章
- [教程三] 寫一個搜尋：自定義詞庫；使用 Laravel Scout，Elasticsearch，ik 分詞LaravelElasticsearch分詞
- 10g ALL_SYNONYMS同義詞查詢效能下降
- [教程一] 寫一個搜尋：使用 Laravel Scout，Elasticsearch，ik 分詞LaravelElasticsearch分詞
- elasticsearch搜尋Elasticsearch
- Laravel 使用 Elasticsearch 全域性搜尋LaravelElasticsearch
- Elasticsearch 使用不同分詞器導致搜尋排名的問題Elasticsearch分詞
- Elasticsearch——全文搜尋Elasticsearch
- Elasticsearch 向量搜尋Elasticsearch
- elasticsearch搜尋商品Elasticsearch
- Elasticsearch常用搜尋Elasticsearch
- [教程二] 寫一個搜尋：解決搜尋結果高亮問題，使用 Laravel Scout，Elasticsearch，ik 分詞LaravelElasticsearch分詞
- grep 命令系列：使用 grep 命令來搜尋多個單詞
- 【Oracle】-【同義詞】-public與非public同義詞Oracle
- ElasticSearch全文搜尋引擎Elasticsearch
- elasticsearch之拼音搜尋Elasticsearch
- Elasticsearch 為了搜尋Elasticsearch
- Elasticsearch，為了搜尋Elasticsearch
- 使用elasticsearch搭建自己的搜尋系統Elasticsearch
- 使用 Laravel Scout + ElasticSearch 實現全文搜尋LaravelElasticsearch
- elasticsearch 搜尋引擎工具的高階使用Elasticsearch
- 物件、同義詞和公有同義詞順序選取物件
- 使用謂詞(NSPredicate)來提高集合遍歷與過濾查詢的效率
- Elasticsearch（ES）的高階搜尋（DSL搜尋）（上篇）Elasticsearch
- Elasticsearch（ES）的高階搜尋（DSL搜尋）（下篇）Elasticsearch
- 在 Spring Boot 中使用搜尋引擎 ElasticsearchSpring BootElasticsearch
- 像使用 Laravel Query 一樣的搜尋 ElasticsearchLaravelElasticsearch
- Elasticsearch 的配置與使用，為了全文搜尋Elasticsearch
- 在Laravel5.5中使用搜尋 ElasticsearchLaravelElasticsearch
- 認識搜尋引擎 ElasticsearchElasticsearch
- elasticsearch(五)---分散式搜尋Elasticsearch分散式
- （1）分散式搜尋ElasticSearch認識ElasticSearch分散式Elasticsearch
- java+lucene中文分詞，搜尋引擎搜詞剖析Java中文分詞
- 一個網站拿下機器學習優質資源！搜尋效率提高 50%網站機器學習
- 在大資料量下提高查詢效率的方法—ES搜尋引擎大資料
- Nebula 基於 ElasticSearch 的全文搜尋引擎的文字搜尋Elasticsearch
- Laravel5.5 使用 Elasticsearch 做引擎，scout 全文搜尋LaravelElasticsearch
- 使用ElasticSearch6.0快速實現全文搜尋功能Elasticsearch
- Laravel + Elasticsearch 實現中文搜尋LaravelElasticsearch