1

我们使用 elasticsearch 来搜索地址数据，并且为了非精确匹配，我们包含了街道名称的字段变体，它使用 ngram 标记器（具体为三元组）进行分析。我们对该字段的查询使用“3<75%”的最小应该匹配子句，这意味着“如果搜索词中有 3 个或更少的三元组，那么它们都必须匹配。如果超过 3 个，则其中 75% 必须匹配'

通常这可以正常工作，但在某些情况下我们会得到这样的意外结果

我们搜索“Uhland”并找到“Am Maschlandgraben”。据我所知，发生的情况是“Uhland”被拆分为“uhl”、“hla”、“lan”、“and”，这 4 个三元组中的 3 个可以与“Am MascHLANDgraben”的三元组匹配（匹配部分大写）。所以，四分之三是 75% 满足我们的“3<75%”要求，所以它变成了匹配。

所以 75% 的匹配有一个“方向性”（因为没有更好的词）。它只查看/计算搜索词中的词数，并忽略索引文档中有多少三元组不匹配。

有人可能会争辩说，在该示例中不满足 75% 的匹配要求，因为“Am Maschlandgraben”的 13 个三元组中有 10 个与“Uhland”的三元组不匹配。事实上，如果您反转查询并搜索“Am Maschlandgraben”，您将找不到“Uhland”作为匹配项。因为现在“方向性”颠倒了，查询发现13个三元组中只有3个匹配，不符合“3<75%”的要求

我想弄清楚的是如何修改查询，使 75% 的匹配没有“方向性”，并且始终必须在比较的“双方”上匹配。所以继续上面的例子，我既不希望“Uhland”匹配“Am Maschlandgraben”，也不希望“Am Maschlandgraben”匹配“Uhland”

所以我想，用现实生活中的语言来说，而不是“75% 的搜索词三元组需要匹配索引文档”，我希望“75% 的搜索词和索引文档三元组需要匹配”

我希望我能很好地传达我的意图（英语不是我的母语）

这是我们的查询现在看起来如何的示例_

{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "address.street.trigram": {
              "query": "Uhland",
              "minimum_should_match": "3<75%"
            }
          }
        }
      ]
    }
  }
}
4

0 回答 0