[转载] Elasticsearch 支持拼音自动补全

最近要做一个自动补全搜索的项目，很久没看了，都生疏了，过年的时候也写过好几篇相关文章（见文末），相比以前的自动补全，本次增加了两个新功能：

• 支持拼音全拼、拼音prefix补全

• 支持模糊自动补全

对于拼音，主要就是使用pinyin分词插件，具体的原理后续分享，本文的目的是说明如何进行拼音补全。

首先就是建模，如下图：

可以看出full_pinyin、prefix_pinyin这两个filter就是支持全拼、拼音prefix，加上standard标准分词的搜索，原理很简单，相当于一个词可以通过三种类型的分词进行匹配，增大了匹配范围。

其次如何补全呢？见下图：

可以看出最多会匹配三个suggest，虽然同时匹配的几率很小，但从程序的角度看，还是要处理排序问题，在本次项目中weight都相同的，排序完全基于匹配度。

这个排序已经不是ELK的问题了，只能应用去处理，每个suggest下的item有优先级，不同suggest又有优先级。目前想到的方法就是只要每种suggest存在，就先取top3，然后组合在一起，standard优先级>全拼>拼音prefix，接下去就是每个suggest的剩余部分组合在一起，最后排重相同ID的数据。

为什么这样排列优先级呢？主要考虑到补全精确性的情况，谁都希望standard的能先补全，而拼音prefix筛选出不相干的数据可能相对较多。

另外这图中也可以看出，这个例子支持一定的模糊匹配。

• 《elasticsearch自动补全优化》

• 《再论elasticsearch自动补全在实战中的优化》

作者： 虞大胆
来源：虞大胆的叽叽喳喳
原文链接：mp.weixin.qq.com/s/Upg95YAa4cSSTt7...