Elasticsearch-43-实战案例-手动控制全文检索结果的精准度

发表于 | 分类于

准备工作

为帖子增加标题字段

1
2
3
4
5
6
7
8
9
10
11
POST /forum/article/_bulk
{ "update": { "_id": "1"} }
{ "doc" : {"title" : "this is java and elasticsearch blog"} }
{ "update": { "_id": "2"} }
{ "doc" : {"title" : "this is java blog"} }
{ "update": { "_id": "3"} }
{ "doc" : {"title" : "this is elasticsearch blog"} }
{ "update": { "_id": "4"} }
{ "doc" : {"title" : "this is java, elasticsearch, hadoop blog"} }
{ "update": { "_id": "5"} }
{ "doc" : {"title" : "this is spark blog"} }

需求一

搜索标题中包含java 或 elasticsearch的帖子

1
2
3
4
5
6
7
8
GET /forum/article/_search
{
  "query": {
    "match": {
      "title": "java elasticsearch"
    }
  }
}

就是只要标题中有java,elasticsearch其中的一个就可以作为返回结果,这个就和之前我们说的term query不一样了, term query是exact value,而这里的搜索是full text

match query是负责全文检索的,当然如果要检索的field是not_analyzed不分词的,那么他的作用就和term query是一样的

需求二

搜索标题中包含 java 和 elasticsearch的帖子

1
2
3
4
5
6
7
8
9
10
11
GET /forum/article/_search
{
  "query": {
    "match": {
      "title":{
        "query": "java elasticsearch",
        "operator": "and"
      }
    }
  }
}

搜索结果精准度控制的第一步:灵活使用and关键字,如果希望所有的搜索关键字都要匹配,那么就用and,可以实现单纯match query无法实现的效果

需求三

搜索包含java,elasticsearch,spark,hadoop,4个关键字中,至少3个的帖子

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
GET forum/article/_search
{
  "query": {
    "match": {
      "title":{
        "query": "java elasticsearch spark hadoop",
        "minimum_should_match":"75%"
      }
    }
  }
}
``` 
  
搜索结果精准度控制第二步:指定一些关键字中至少匹配到其中多少个关键字才能作为返回结果   

#### bool组合搜索

GET forum/article/_search
{
“query”: {
“bool”: {
“must”: [
{
“match”: {
“title”: “java”
}
}
],
“must_not”: [
{
“match”: {
“title”: “spark”
}
}
],
“should”: [
{
“match”: {
“title”: “hadoop”
}
},
{
“match”: {
“title”: “elasticsearch”
}
}
]
}
}
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
看一下上面这个搜索请求, 就是搜索必须包含java,必须不包含spark,可以包含hadoop或elasticsearch的数据  

#### bool组合多个搜索条件,计算relevance score的规则

**must和should搜索对应的分数,加起来,除以must和should的总数**   

在上面这个查询中:   
排名第一:java,同时包含should中所有的关键字,hadoop,elasticsearch    
排名第二:java,同时包含should中的elasticsearch    
排名第三:java,不包含should中的任何关键字    
  
should是会影响相关度分数的  
must是确保说,谁必须有这个关键字,同时会根据这个must的条件去计算出document对这个搜索条件的relevance score  
在满足must的基础之上,should中的条件,不匹配也可以,但是如果匹配的更多,那么document的relevance score就会更高  

#### 用bool组合查询实现需求三
搜索包含java,elasticsearch,spark,hadoop,4个关键字中,至少3个的帖子

GET /forum/article/_search
{
“query”: {
“bool”: {
“should”: [
{
“match”: {
“title”: “java”
}
},
{
“match”: {
“title”: “elasticsearch”
}
},
{
“match”: {
“title”: “spark”
}
},
{
“match”: {
“title”: “hadoop”
}
}
],
“minimum_number_should_match”: 3
}
}
}
`

默认情况下should是可以不匹配任何一个的,但是如果没有must的话 should中必须匹配一个才可以,但是也可以通过我们上面请求用到的minimum_number_should_match 来控制必须满足几个才能作为返回结果

总结

全文见检索的时候,进行多个值的检索,可以用match query 也可以空should
搜过结果精准度控制: 用 and operator 或 minimum_number_should_match