Elasticsearch相关性-具有相似名称的文档

在Elasticsearch中,如果不添加更多信息,这是无法解决的。你想把“红色瓶子”排在“瓶盖”之前,因为你知道这些名字的语义信息——你知道“红色瓶子”意味着它所说的东西是“瓶子”,而“瓶盖”意味着它所说的东西是其他东西(与瓶子有关,但实际上不是瓶子)。如果你想从Elasticsearch中排名来考虑这些信息,你必须对这些信息进行索引(可能会添加一个关键字标记字段,一个带有“瓶子”,另一个带有“瓶盖”--你必须进行实验,看看什么适用于你的用例)。当然,这意味着一个人必须为每件事添加广告标签。

然而,我怀疑你可以通过使用 unique filter . 我的猜测是,你不太关心单个标题中的术语频率(“500ml瓶子的瓶盖”不是关于瓶子的,因为“瓶子”在其中出现了两次——我认为术语频率对于这样的标题来说没有什么意义)。所以你可以这样做:

PUT /myindex
{
  "settings": {
    "index": {
      "number_of_shards": 1
    },
    "analysis": {
      "analyzer": {
        "uniq_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "porter_stem",
            "unique"
          ]
        }
      }
    }
  },
  "mappings": {
    "doc": {
      "properties": {
        "name": {
          "type": "text",
          "analyzer": "uniq_analyzer"
        }
      }
    }
  }
}

PUT /myindex/doc/1
{"name": "Red coloured bottles"}

PUT /myindex/doc/2
{"name": "Bottle caps for 500ml bottle"}

bottle ,你会看到分数是一样的——不是完美的,但有进步。如果您想了解分数的来源,可以使用 explain :

POST /myindex
{
  "explain": true,
  "query": {
    "match": 
      {"name": "bottle"}
  }
}