笔记十七:基于词项和基于全文的搜索

基于Term的查询

  • Term 的 重要性
    • Term 是表达语意的最小单位。搜索和利用统计语言模型进行自然语言处理都需要处理Term
  • 特点
    • Term Level Query:Term Query / Range Query / Exists Query / Prefix Query / Wildcard Query
    • 在ES中,Term 查询,对输入不做分词。会将输入作为一个整体,在倒排索引中查找准确的词项,并且使用相关度算分公式为每个包含该词项的文档进行相关度算分- 例如“Apple Store”
    • 可以通过Constant Score 将查询转换换成一个Filtering,避免算分,并利用缓存,提高性能

Demo

  • 插入数据
    POST /products/_bulk
    { "index": { "_id": 1 }}
    { "productID" : "XHDK-A-1293-#fJ3","desc":"iPhone" }
    { "index": { "_id": 2 }}
    { "productID" : "KDKE-B-9947-#kL5","desc":"iPad" }
    { "index": { "_id": 3 }}
    { "productID" : "JODL-X-1937-#pV7","desc":"MBP" }
  • 查询
    POST /products/_search
    {
    "query": {
      "term": {
        "desc.keyword": {
          "value": "iPhone" //查不多数据,term查询
          //"value":"iphone" // 查到数据 term查询会做分词
        }
      }
    }
    }
    POST /products/_search
    {
    "query": {
      "term": {
        "productID": {
          "value": "XHDK-A-1293-#fJ3"  // 无结果
          "value": "xhdk" //有一条数据
          "value": "xhdk-a-1293-#fj3"
        }
      }
    }
    }
    //如果对值进行查询
    POST /products/_search
    {
    //"explain": true,
    "query": {
      "term": {
        "productID.keyword": {
          "value": "XHDK-A-1293-#fJ3"
        }
      }
    }
    }

    复合查询 - Constant Score 转为 Filter

  • 将Query 转成 Filter,忽略TF-IDF计算,避免相关性算分的开销
  • Filter 可以有效利用缓存
POST /products/_search
{
  "explain": true,
  "query": {
    "constant_score": {
      "filter": {
        "term": {
          "productID.keyword": "XHDK-A-1293-#fJ3"
        }
      }
    }
  }
}

基于全文本的查询

  • 基于全文本的查找
    • Match Query / Match Phrase Query / Query String Query
  • 特点
    • 索引和搜索时会进行分词,查询字符串先传递到一个合适的分词器,然后生成一个供查询的词项列表
    • 查询时候,先会对输入的查询进行分词。然后每个词项逐个进行底层的查询,最终将结果进行合并。并未每个文档生成一个算分。 例如查“Martix reloaded”,会查到包括 Matrix或者 reload的所有结果。

Match Query Result

POST movies/_search
{
  "query":{
    "match": {
      "title":{
        "query": "Matrix reloaded"
      }
    }
  }
}

Operator

POST movies/_search
{
  "query":{
    "match": {
      "title":{
        "query": "Matrix reloaded",
        "operator":"AND"
      }
    }
  }
}

Minimun_should_match

POST movies/_search
{
  "query":{
    "match": {
      "title":{
        "query": "Matrix reloaded",
        "minimum_should_match":2"
      }
    }
  }
}

Match Phrase Query

POST movies/_search
{
  "profile":true,
  "query":{
    "match_phrase": {
      "title":{
        "query": "Matrix reloaded",
        "slop":1"
      }
    }
  }
}

Match Query 查询过程

  • 基于全文本的查找
    • Match Query / Match Phrase Query / Query String Query
  • 基于全文本的查询的特点
    • 索引和搜索时都会进行分词,查询字符串先传递到一个合适的分词器,然后生成一个供查询的词项列表
    • 查询会对每个词项逐个进行底层的查询,再将结果进行合并,并未每个文档生成一个算分

ES 笔记十六:基于词项和基于全文的搜索

本节知识点回顾

  • 基于词项的查找 vs 基于全文的查找
  • 通过字段 Mapping 控制字段的分词
    • “Text” vs “Keyword”
  • 通过参数控制查询的Precision & Recall
  • 复合查询
    • 即使是对Keyword 进行Term 查询,同样会进行算分
    • 可以将查询转为Filtering,取消相关性算分的环节,以提高性能
本作品采用《CC 协议》,转载必须注明作者和本文链接
快乐就是解决一个又一个的问题!
本帖由系统于 3年前 自动加精
CrazyZard
讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!

讨论应以学习和精进为目的。请勿发布不友善或者负能量的内容,与人为善,比聪明更重要!