保留ElasticSearch查詢中的術語順序

Question

ElasticSearch中可能會形成一個查詢來保留術語的順序嗎？

一個簡單的例子是具有這些文檔進行索引使用標準分析儀：

1. 你知道搜索
2. 你知道搜索
3. 知道搜索你

我可以查詢+you +search這將返回所有文檔，包括第三個文檔。

如果我只想檢索具有此特定順序條款的文檔，該怎麼辦？我可以形成一個查詢來爲我做這件事嗎？

考慮到短語可能通過簡單引用文本："you know"（檢索第1和第2個文檔），我覺得應該有一種方法來保留不相鄰的多個詞語的順序。

在上面的簡單示例中，我可以使用鄰近搜索，但這不包括更復雜的情況。

Answer 1

您可以使用span_near查詢，它有一個in_order參數。

{ 
    "query": { 
     "span_near": { 
      "clauses": [ 
       { 
        "span_term": { 
         "field": "you" 
        } 
       }, 
       { 
        "span_term": { 
         "field": "search" 
        } 
       } 
      ], 
      "slop": 2, 
      "in_order": true 
     } 
    } 
} 

Answer 2

這正是match_phrase查詢（請參閱here）所做的。

它檢查條款的位置，在他們的存在之上。

例如，這些文件：

POST test/values 
{ 
    "test": "Hello World" 
} 

POST test/values 
{ 
    "test": "Hello nice World" 
} 

POST test/values 
{ 
    "test": "World, I don't say hello" 
} 

將全部使用基本match查詢發現：

POST test/_search 
{ 
    "query": { 
    "match": { 
     "test": "Hello World" 
    } 
    } 
} 

但使用match_phrase，只有第一個文件將被退回：

POST test/_search 
{ 
    "query": { 
    "match_phrase": { 
     "test": "Hello World" 
    } 
    } 
} 

{ 
    ... 
    "hits": { 
     "total": 1, 
     "max_score": 2.3953633, 
     "hits": [ 
     { 
      "_index": "test", 
      "_type": "values", 
      "_id": "qFZAKYOTQh2AuqplLQdHcA", 
      "_score": 2.3953633, 
      "_source": { 
       "test": "Hello World" 
      } 
     } 
     ] 
    } 
} 

在你的情況下，你想接受有您的條款之間有一段距離。這可以通過slop參數，這表明你允許多遠，你的條件是一個從另一個來實現：

POST test/_search 
{ 
    "query": { 
    "match": { 
     "test": { 
     "query": "Hello world", 
     "slop":1, 
     "type": "phrase" 
     } 
    } 
    } 
} 

利用這最後的要求，你會發現第二個文檔太：

{ 
    ... 
    "hits": { 
     "total": 2, 
     "max_score": 0.38356602, 
     "hits": [ 
     { 
      "_index": "test", 
      "_type": "values", 
      "_id": "7mhBJgm5QaO2_aXOrTB_BA", 
      "_score": 0.38356602, 
      "_source": { 
       "test": "Hello World" 
      } 
     }, 
     { 
      "_index": "test", 
      "_type": "values", 
      "_id": "VKdUJSZFQNCFrxKk_hWz4A", 
      "_score": 0.2169777, 
      "_source": { 
       "test": "Hello nice World" 
      } 
     } 
     ] 
    } 
} 

你可以在definitive guide中找到關於此用例的完整章節。

Answer 3

短語匹配不能確保順序;-)。例如，如果您指定了足夠的斜坡（例如2），則「hello world」將匹配「world hello」。但這不一定是壞事，因爲如果兩個詞彼此「接近」並且它們的順序無關，那麼通常搜索就更具相關性。我不認爲這個特徵的作者想到了匹配1000個單詞的單詞。

有一個解決方案，我可以找到保持順序，但不簡單：使用腳本。這裏有一個例子：

POST /my_index/my_type/_bulk 
{ "index": { "_id": 1 }} 
{ "title": "hello world" } 
{ "index": { "_id": 2 }} 
{ "title": "world hello" } 
{ "index": { "_id": 3 }} 
{ "title": "hello term1 term2 term3 term4 world" } 

POST my_index/_search 
{ 
    "query": { 
    "filtered": { 
     "query": { 
     "match": { 
      "title": { 
      "query": "hello world", 
      "slop": 5, 
      "type": "phrase" 
      } 
     } 
     }, 
     "filter": { 
     "script": { 
      "script": "term1Pos=0;term2Pos=0;term1Info = _index['title'].get('hello',_POSITIONS);term2Info = _index['title'].get('world',_POSITIONS); for(pos in term1Info){term1Pos=pos.position;}; for(pos in term2Info){term2Pos=pos.position;}; return term1Pos<term2Pos;", 
      "params": {} 
     } 
     } 
    } 
    } 
} 

使腳本本身更具可讀性，我重寫在這裏與壓痕：

term1Pos = 0; 
term2Pos = 0; 
term1Info = _index['title'].get('hello',_POSITIONS); 
term2Info = _index['title'].get('world',_POSITIONS); 
for(pos in term1Info) { 
    term1Pos = pos.position; 
}; 
for(pos in term2Info) { 
    term2Pos = pos.position; 
}; 
return term1Pos < term2Pos; 

上面就是爲5的斜率爲「Hello World」的搜索查詢其在上面的文檔中將匹配所有這些文檔。但是腳本過濾器將確保單詞「hello」的文檔中的位置低於單詞「world」中的文檔中的位置。通過這種方式，無論我們在查詢中設置了多少滑移，這些位置都是一個接一個地確保訂單。

這是section in the documentation，它闡明瞭上面腳本中使用的東西。