15_ElasticSearch copy_to定製組合field進行cross-fields搜尋

更多幹貨

概述：

用most_fields策略，去實現cross-fields搜尋 問題：

• 只是找到儘可能多的field匹配的doc，而不是某個field完全匹配的doc
• most_fields，沒辦法用minimum_should_match去掉長尾資料，就是匹配的特別少的結果
• TF/IDF演算法，比如Peter Smith和Smith Williams，搜尋Peter Smith的時候，由於first_name中很少有Smith的，所以query在所有document中的頻率很低，得到的分數很高，可能Smith Williams反而會排在Peter Smith前面

用copy_to 去實現cross-fields搜尋

• 用copy_to，將多個field組合成一個field
• 問題其實就出在有多個field，有多個field以後，就很尷尬，我們只要想辦法將一個標識跨在多個field的情況，合併成一個field即可。
• 比如說，一個人名，本來是first_name，last_name，現在合併成一個full_name，不就ok了嗎。

例子

• 增加 new_author_full_name 欄位

PUT/forum/_mapping/article
{
  "properties": {
      "new_author_first_name": {
          "type"
 
:"string",
          "copy_to":"new_author_full_name" 
      },
      "new_author_last_name": {
          "type":"string",
          "copy_to":"new_author_full_name" 
      },
      "new_author_full_name": {
          "type":"string"
      }
  }
}

用了這個copy_to語法之後，就可以將多個欄位的值拷貝到一個欄位中，並建立倒排索引

POST /forum/article/
 
_bulk
{ "update": { "_id": "1"} }
{ "doc" : {"new_author_first_name" : "Peter", "new_author_last_name" : "Smith"} }		--> Peter Smith
{ "update": { "_id": "2"} }	
{ "doc" : {"new_author_first_name" : "Smith", "new_author_last_name" : "Williams"} }		--> Smith Williams
{ "update": { "_id": "3"} }
{ "doc" : {"new_author_first_name" : "Jack", "new_author_last_name" : "Ma"} }			--> Jack Ma
{ "update": { "_id": "4"} }
{ "doc" : {"new_author_first_name" : "Robbin", "new_author_last_name" : "Li"} }			--> Robbin Li
{ "update": { "_id": "5"} }
{ "doc" : {"new_author_first_name" : "Tonny", "new_author_last_name" : "Peter Smith"} }		--> Tonny Peter Smith

查詢：

GET/forum/article/_search
{
  "query": {
    "match": {
      "new_author_full_name":"Peter Smith"
    }
  }
}

解決了most_fields策略 存在的問題

• 只是找到儘可能多的field匹配的doc，而不是某個field完全匹配的doc --> 解決，最匹配的document被最先返回
• most_fields，沒辦法用minimum_should_match去掉長尾資料，就是匹配的特別少的結果 --> 解決，可以使用minimum_should_match去掉長尾資料
• TF/IDF演算法，比如Peter Smith和Smith Williams，搜尋Peter Smith的時候，由於first_name中很少有Smith的，所以query在所有document中的頻率很低，得到的分數很高，可能Smith Williams反而會排在Peter Smith前面 --> 解決，Smith和Peter在一個field了，所以在所有document中出現的次數是均勻的，不會有極端的偏差

更多相關文章