Elasticsearch如何进行词语扩展引入?
更新:HHH   时间:2023-1-7


进行词语扩展引入的问题我们在此解决

首先看下效果

GET /operation/_search
{
  "query": {
    "match": {
      "store_name": "凯悦"
    }
  }
}

结果

{
  "took" : 38,
  "timed_out" : false,
  "_shards" : {
    "total" : 3,
    "successful" : 3,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 0,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  }
}

此时的分词器对凯悦二字的分词如下

{
  "tokens" : [
    {
      "token" : "凯悦",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    }
  ]
}

因为我们的索引在创建的时候凯悦词语还没有被扩展,所以创建索引的时候分词器会把凯悦分成两个字,而此时分词器将凯悦分词成一个词语凯悦,故而无法搜索到任何文档。

解决思路一:

首先想到的是重建索引,因为此时分词器词典中已经有了凯悦这个词语,然后在全量复制文档到新的索引中,如果是数据量不大的情况下是可以快速迁移,如果数据量大的话不建议这样做,然而有些情况可能只是部分文档与要扩展词语相关,所以这个方法比较笨拙,不建议使用。

解决思路二:

通过Elasticsearch官方提供的API接口update_by_query可以将与凯悦相关的文档重新分词

具体操作如下

POST /operation/_update_by_query
{
  "query": {
    "bool": {
      "must": [
        {"term": {"store_name": "凯"}},
        {"term": {"store_name": "悦"}}
      ]
    }
  }
}

意思是必须满足如上两个条件的文档才会被检索到并进行分词修改,即文档名称同时包含才被重新分词

执行结果

{
  "took" : 240,
  "timed_out" : false,
  "total" : 4,
  "updated" : 4,
  "deleted" : 0,
  "batches" : 1,
  "version_conflicts" : 0,
  "noops" : 0,
  "retries" : {
    "bulk" : 0,
    "search" : 0
  },
  "throttled_millis" : 0,
  "requests_per_second" : -1.0,
  "throttled_until_millis" : 0,
  "failures" : [ ]
}

可以看到有四条文档被修改

再次通过凯悦搜索此时就没有质保含的文档出现了

返回开发技术教程...