0

我正在构建一个具有键入时自动完成功能的搜索 UI。为了实现这一点，我在 ElasticSearch 7.10 中创建了一个索引，并在name字段上使用了 edge_ngram 标记器和分析器：

mappings: {
  properties: {
    id: { type: "text" },
    name: {
      type: "text",
      analyzer: "index_ngram_analyzer",
      search_analyzer: "search_term_analyzer",
      term_vector: "with_positions_offsets"
    }
  }
},
settings: {
  max_ngram_diff: 27,
  analysis: {
  tokenizer: {
    ngram_tokenizer: {
      type: "edge_ngram",
      min_gram: 1,
      max_gram: 28,
      token_chars: ["letter", "digit"]
    }
  },
  analyzer: {
    index_ngram_analyzer: {
      type: "custom",
      tokenizer: "ngram_tokenizer",
      filter: ["lowercase", "asciifolding"]
    },
    search_term_analyzer: {
      type: "custom",
      tokenizer: "standard",
      filter: ["lowercase", "asciifolding"]
    }
  }
}

在每个结果中，我想突出显示结果中与用户迄今为止输入的内容相匹配的部分。我使查询变得模糊，以确保即使用户犯了错字或拼写错误，我们仍然会显示相关结果。不幸的是，这似乎有一个不幸的副作用，即导致突出显示不应该的额外字母。例如，以下查询：

query: {
  match: {
    name: {
      query: "anx",
      fuzziness: 'auto',
    },
  },
},
highlight: {
  fields: {
    name: {},
  },
},

产生以下结果：

{
  "hits": [
    {
      "_index": "symptoms",
      "_type": "_doc",
      "_id": "anxiety",
      "_score": 1.7119179,
      "_source": {
        "id": "anxiety",
        "name": "Anxiety",
      },
      "highlight": {
        "name": [
          "<em>Anxi</em>ety"
        ]
      }
    }
  ]
}

如您所见，Anxi尽管用户只输入anx了内容，但 ElasticSearch 仍在突出显示 -i不应该是突出显示的一部分。我认为这是因为查询的模糊性导致在ngram上anx匹配。anxi我的期望是anxngram 上的匹配会得分更高，因为它是完全匹配的，因此只会Anx在结果中突出显示。为什么这没有发生？我能做些什么来解决这个问题？

编辑：我尝试使用explain: true. 奇怪的是，anxngram 似乎确实比anxingram 得分更高，但anxingram 仍然是突出显示的：

"_explanation": {
  "value": 1.7119179,
  "description": "sum of:",
  "details": [
    {
      "value": 0.39505798,
      "description": "weight(name:an in 0) [PerFieldSimilarity], result of:",
      "details": [
        ...
      ]
    },
    {
      "value": 0.79011595,
      "description": "weight(name:anx in 0) [PerFieldSimilarity], result of:",
      "details": [
        ...
      ]
    },
    {
      "value": 0.5267439,
      "description": "weight(name:anxi in 0) [PerFieldSimilarity], result of:",
      "details": [
        ...
      ]
    }
  ]
}

（为简洁起见省略了不必要的细节）

为什么 ngram 荧光笔似乎突出显示最长的 ngram 而不是得分最高的 ngram？有没有我可以修改的设置来改变这种行为？

plain和荧光笔都unified以上述方式运行。尝试使用fvh荧光笔会导致突出显示的字母太少而不是太多。在上面的示例中，fvh荧光笔突出显示An. anxiety此外，当使用fvh荧光笔对整个单词运行查询时，它只会突出显示ngram 得分高于匹配的两个较短 ngramAnxie的事实。anxiety

4

0 回答 0