根据弹性搜索文档https://www.elastic.co/guide/en/elasticsearch/reference/current/docs-termvectors.html，术语向量只能应用于文档。有什么办法可以在索引级别应用它。
我的用例是在应用英语停用词过滤器后，计算添加到索引的所有文档中存在的字段（类型：字符串，基本上是一个句子）中所有 uni、bi 和 trigrams 的频率。
谢谢。
问问题
2288 次
1 回答
3
使用术语向量为分片中的所有文档存储几个统计信息（为什么不索引？...继续阅读）。
- 总词频（一个词在所有文档中出现的频率）
- 文档频率（包含当前术语的文档数量）
要使其工作，您必须为要分析的字段启用 term_vectors。这最好通过在设置映射时将 term_vectors 添加到字段定义中来完成，因为计算是在索引时完成的，这样可以加快术语向量检索。
然后在检索术语向量时，只需添加“term_statistics”参数，并且 ttf 将包含在输出中。看这个例子：
GET /twitter/_doc/1/_termvectors { “fields”：[“text”]，“offsets”：true，“payloads”：true，“positions”：true， “term_statistics”：true， “field_statistics”：true }
但是，请注意，如果索引使用多个分片，则 term_vectors 和依赖于 term_vectors 的“更像这样”的查询是不准确的。说不是这样！
术语和字段统计数据不准确。不考虑已删除的文档。仅针对请求的文档所在的分片检索信息。因此，术语和字段统计信息仅用作相对度量，而绝对数字在此上下文中没有任何意义。
如果您想要准确的统计信息，您必须将索引设置为单个分片，这违背了使用弹性搜索的目的，因为您无法聚集单个分片。另一个 Stackoverflow 提交者落入了这个陷阱。如果有人知道解决方案，请发布。
于 2018-12-10T18:37:42.543 回答