lucene/elasticsearch提供了复合标记/子标记的可能性。这是一个重要的特点，例如德语的合成词。lucene的默认行为是将subtokens与 OR 为了不损害召回和排除文件被退回。然而，在特定的情况下，要求的恰恰相反。
假设我要为以下两个文档编制索引：
文件1：
PUT /idxwith/_doc/1
{
"name": "stockfisch"
}文件2：
PUT /idxwith/_doc/2
{
"name" : "laufstock"
}这些词将分解如下：
stockfisch ==> stock, fisch
laufstock ==> lauf, stock现在使用以下搜索查询：
POST /idxwith/_search
{
"query": {
"match": {
"name": {
"query": "stockfisch"
}
}
}
}我只希望返回第一份文件，但事实并非如此。由于子项与 OR ，两个文档都将被返回（影响我搜索的准确性）：
"hits" : [
{
"_index" : "idxwith",
"_type" : "_doc",
"_id" : "1",
"_score" : 0.3287766,
"_source" : {
"name" : "stockfisch"
}
},
{
"_index" : "idxwith",
"_type" : "_doc",
"_id" : "2",
"_score" : 0.241631,
"_source" : {
"name" : "laufstock"
}
}
]我正在寻找关于如何调整lucene（或elastic）以使此行为可配置的提示，即能够定义子键与 AND 如有必要。
谢谢！
1条答案
按热度按时间xwmevbvl1#
要解决此问题，可以使用如下匹配短语查询：
短语查询以任意顺序将术语匹配到可配置的slop（默认为0）。换位术语的斜率为2。有关匹配短语的更多信息，请点击此处。
也可以在匹配查询中使用运算符，这意味着所有术语都应该在术语中，更多信息请参见此处。
在您的具体情况下，我认为匹配短语是一个更好的选择，因为术语的顺序很重要。