白话Elasticsearch17-深度探秘搜索技术之match_phrase query 短语匹配搜索
文章目录
- 概述
- 官网
- 近似匹配
- 例子
- match query
- match phrase query
- term position
- match_phrase的基本原理
概述
继续跟中华石杉老师学习ES,第17篇
课程地址: https://www.roncoo.com/view/55
官网
https://www.elastic.co/guide/en/elasticsearch/reference/current/full-text-queries.html
https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-match-query-phrase.html
近似匹配
假设content字段中有2个语句
java is my favourite programming language, and I also think spark is a very good big data system.java spark are very related, because scala is spark's programming language and scala is also based on jvm like java.
使用match query , 搜索java spark ,DSL 大致如下
{"match": {"content": "java spark"}
}
content 被拆分为两个单词 java 和 spark去匹配,所以如上两个doc都能被查询出来。
match query,只能搜索到包含java和spark的document,但是不知道java和spark是不是离的很近. 包含java或包含spark,或包含java和spark的doc,都会被查询出来。我们其实并不知道哪个doc,java和spark距离的比较近。
如果我们希望搜索java spark
,中间不能插入任何其他的字符, 这个时候match就无能为力了 。
再比如 , 如果我们要尽量让java和spark离的很近的document优先返回,要给它一个更高的relevance score,这就涉及到了proximity match,近似匹配.
例子
假设要实现两个需求:
- java spark,就靠在一起,中间不能插入任何其他字符,就要搜索出来这种doc
- java spark,但是要求,java和spark两个单词靠的越近,doc的分数越高,排名越靠前
要实现上述两个需求,用match做全文检索,是搞不定的,必须得用proximity match,近似匹配
phrase match:短语匹配
proximity match:近似匹配
这里我们要学习的是phrase match,就是仅仅搜索出java和spark靠在一起的那些doc,比如有个doc,是java use’d spark,不行。必须是比如java spark are very good friends,是可以搜索出来的。
match phrase query,就是要去将多个term作为一个短语,一起去搜索,只有包含这个短语的doc才会作为结果返回。
不像是match query,java spark,java的doc也会返回,spark的doc也会返回。
match query
为了做比对,我们先看下match query的查询结果
GET /forum/article/_search
{"query": {"match": {"content": "java spark"}}
}
返回结果
{"took": 40,"timed_out": false,"_shards": {"total": 1,"successful": 1,"skipped": 0,"failed": 0},"hits": {"total": 2,"max_score": 1.8166281,"hits": [{"_index": "forum","_type": "article","_id": "5","_score": 1.8166281,"_source": {"articleID": "DHJK-B-1395-#Ky5","userID": 3,"hidden": false,"postDate": "2019-05-01","tag": ["elasticsearch"],"tag_cnt": 1,"view_cnt": 10,"title": "this is spark blog","content": "spark is best big data solution based on scala ,an programming language similar to java spark","sub_title": "haha, hello world","author_first_name": "Tonny","author_last_name": "Peter Smith","new_author_last_name": "Peter Smith","new_author_first_name": "Tonny"}},{"_index": "forum","_type": "article","_id": "2","_score": 0.7721133,"_source": {"articleID": "KDKE-B-9947-#kL5","userID": 1,"hidden": false,"postDate": "2017-01-02","tag": ["java"],"tag_cnt": 1,"view_cnt": 50,"title": "this is java blog","content": "i think java is the best programming language","sub_title": "learned a lot of course","author_first_name": "Smith","author_last_name": "Williams","new_author_last_name": "Williams","new_author_first_name": "Smith"}}]}
}
可以看到单单包含java的doc也返回了,不是我们想要的结果 。
match phrase query
为了演示match phrase query的功能,我们先调整一下测试数据
POST /forum/article/5/_update
{"doc": {"content":"spark is best big data solution based on scala ,an programming language similar to java spark"}
}
将id=5的doc的content设置为恰巧包含java spark这个短语 。
GET /forum/article/_search
{"query": {"match_phrase": {"content": "java spark"}}
}
返回结果
{"took": 47,"timed_out": false,"_shards": {"total": 1,"successful": 1,"skipped": 0,"failed": 0},"hits": {"total": 1,"max_score": 1.4302213,"hits": [{"_index": "forum","_type": "article","_id": "5","_score": 1.4302213,"_source": {"articleID": "DHJK-B-1395-#Ky5","userID": 3,"hidden": false,"postDate": "2019-05-01","tag": ["elasticsearch"],"tag_cnt": 1,"view_cnt": 10,"title": "this is spark blog","content": "spark is best big data solution based on scala ,an programming language similar to java spark","sub_title": "haha, hello world","author_first_name": "Tonny","author_last_name": "Peter Smith","new_author_last_name": "Peter Smith","new_author_first_name": "Tonny"}}]}
}
从结果中可以看到只有包含java spark这个短语的doc才返回,只包含java的doc不会返回
term position
分词后,每个单词就是一个term
分词后 , es还记录了 每个field的位置。
举个例子 两个doc 如下:
hello world, java spark doc1
hi, spark java doc2
建立倒排索引后
分词 | 文档(位置) | 文档(位置 |
---|---|---|
hello | doc1(1) | - |
wolrd | doc1(1) | |
java | doc1(2) | doc2(2) |
spark | doc1(3) | doc2(1) |
hi | doc2(0) |
可以通过如下API来看下
GET _analyze
{"text": "hello world, java spark","analyzer": "standard"
}
返回:
{"tokens": [{"token": "hello","start_offset": 0,"end_offset": 5,"type": "<ALPHANUM>","position": 0},{"token": "world","start_offset": 6,"end_offset": 11,"type": "<ALPHANUM>","position": 1},{"token": "java","start_offset": 13,"end_offset": 17,"type": "<ALPHANUM>","position": 2},{"token": "spark","start_offset": 18,"end_offset": 23,"type": "<ALPHANUM>","position": 3}]
}
通过position 可以看到位置信息 。
match_phrase的基本原理
理解下索引中的position,match_phrase
两个doc 如下
hello world, java spark doc1
hi, spark java doc2
分词 | 文档(位置) | 文档(位置 |
---|---|---|
hello | doc1(1) | - |
wolrd | doc1(1) | |
java | doc1(2) | doc2(2) |
spark | doc1(3) | doc2(1) |
hi | doc2(0) |
java spark , 采用match phrase来查询
首先 java spark 被拆成 java和spark ,分别取索引中查找
java 出现在 doc1(2) doc2(2) spark 出现在 doc1(3) doc2(1)
要找到每个term都在的一个共有的那些doc,就是要求一个doc,必须包含每个term,才能拿出来继续计算
doc1 --> java和spark --> spark position恰巧比java大1 --> java的position是2,spark的position是3,恰好满足条件
doc1符合条件
doc2 --> java和spark --> java position是2,spark position是1,spark position比java position小1,而不是大1 --> 光是position就不满足,那么doc2不匹配 .
白话Elasticsearch17-深度探秘搜索技术之match_phrase query 短语匹配搜索相关推荐
- 白话Elasticsearch08-深度探秘搜索技术之基于boost的细粒度搜索条件权重控制
文章目录 概述 boost 示例 概述 继续跟中华石杉老师学习ES,第八篇 课程地址: https://www.roncoo.com/view/55 boost https://www.elastic ...
- 白话Elasticsearch20-深度探秘搜索技术之使用rescoring机制优化近似匹配搜索的性能
文章目录 概述 官网 match和phrase match(proximity match)区别 优化proximity match的性能 概述 继续跟中华石杉老师学习ES,第19篇 课程地址: ht ...
- 白话Elasticsearch18-深度探秘搜索技术之基于slop参数实现近似匹配以及原理剖析
文章目录 概述 官网 slop 含义 例子 示例一 示例二 示例三 概述 继续跟中华石杉老师学习ES,第18篇 课程地址: https://www.roncoo.com/view/55 接上篇博客 白 ...
- 专访头条搜索:从推荐到搜索,如何构建搜索技术的另一种可能?
今日头条又将搜索业务往前推进了一步.4 月 30 日,今日头条宣布上线"头条百科"测试版.界面简洁,除了搜索框外,只有一个 Slogan:" 来这里,认识世界!" ...
- ElasticSearch系列六:ElasticSearch搜索技术深入讲解(一)
1.match 手工控制搜索结果精准度 GET /product_db/_search {"query": {"match": {"subTitle& ...
- 03 ElasticSearch笔记-搜索技术深入与集群架构原理
回顾: 1.通过term 和 match查询数据时细节点以及数据类型keyword与text区别 1.1 term查询 1.1.1 term查询keyword字段. term不会分词.而keyword ...
- 论搜索技术对人类的四大社会性意义
论搜索技术对人类的四大社会性意义 搜索引擎技术和资本门槛本身并不高,但随着人性因素的彰显而进入深度竞争阶段的互联网时代来临之后,搜索之争趋于深度竞争,深刻理解搜索对于人类的社会性意义成为竞争战略和策略 ...
- 复杂的1秒--图解Google搜索技术
http://www.cnblogs.com/printN/p/6414854.html 谷歌(Google),一个非常成功,但又十分神秘,而且带有几分理想化色彩的互联网搜索巨人,它还是一家相当了不起 ...
- 复杂的1秒 图解Google搜索技术
谷歌自家设计服务器 谷歌的数据中心高度机密,我们所能得到的信息十分有限.我们先来看几个数据:谷歌在美国本土的数据中心有19个以上,另有17个分布在美国以外的世界各地;每个数据中心有50万平方英尺(46 ...
最新文章
- Oracle数据库 之 删除RMAN备份
- Inno Setup制作应用程序安装包
- 1月23日云栖精选夜读:一张图解读阿里云数据管理DMS企业版
- BO QUERY BUILDER - SI_INSTANCE相关属性
- p沟道mos管导通条件_打开知识大门的捷径!MOS管基本认识
- 飞鸽传书2011什么时候更新?
- 点击空白处隐藏指定dom元素(纯javascript方法)
- select下拉列表
- 【数据结构】班级管理系统
- Vue/ElementUI上传文件检验
- 一招秒杀常见网页基本排版布局
- 图片生成二维码最好的工具
- Java orm框架的优缺点,ORM框架的简单介绍
- VMware虚拟机配置IP地址
- Easyui数据表格合并单元格
- C# DataGridView控件选中某行和获取单元格数据
- 【电商项目实战】个人资料(详细篇)
- CorelDRAW平面设计标准教程免费视频教程
- “正交阵”与“特征值和特征向量”
- keil中go to definition跳转browser窗口