查询建议suggester

心已赠人 2023-01-13 12:52 120阅读 0赞

# 查询建议suggester #

三种建议器

*  [term][]
 *  [phrase][]
 *  [completion][]

## term suggester ##

### 准备数据 ###

PUT s2
    { 
      "mappings": { 
        "properties": { 
          "title": { 
            "type": "text",
            "analyzer": "standard"
          }
        }
      }
    }
    
    PUT s2/_doc/1
    { 
      "title": "Lucene is cool"
    }
    
    PUT s2/_doc/2
    { 
      "title": "Elasticsearch builds on top of lucene"
    }
    
    PUT s2/_doc/3
    { 
      "title": "Elasticsearch rocks"
    }
    
    PUT s2/_doc/4
    { 
      "title": "Elastic is the company behind ELK stack"
    }
    
    PUT s2/_doc/5
    { 
      "title": "elk rocks"
    }
    PUT s2/_doc/6
    { 
      "title": "elasticsearch is rock solid"
    }

### 建议查询 ###

GET s2/_doc/_search
    { 
      "suggest": { 
        "my_suggest": { 
          "text": "luenc",
          "term": { 
            "field": "title"
          }
        }
      }
    }

text：建议文本，建议文本是必需的选项，可以通过全局（多个建议器中查询相同的内容）或者按照单个建议器的格式来。
    field：从field字段中获取候选建议的字段。这是一个必需的选项，需要全局设置或根据建议设置。
    analyzer：用于分析建议文本的分析器。默认为建议字段的搜索分析器。
    size：个建议文本标记返回的最大条目。
    sort：定义如何根据建议文本术语对建议进行排序。它有两个可能的值。
    score，先按分数排序，然后按文档频率排序，再按术语本身排序。
    frequency，首先按文档频率排序，然后按相似性分数排序，然后按术语本身排序。也可以理解为按照流行度排序。
    suggest_mode：控制建议的模式，有3个模式可选择。
    missing，仅为不在索引中的建议文本术语提供建议。这是默认值。
    popular，仅建议在比原始建议文本术语更多的文档中出现的建议。也就是说提供比原有输入词频更高的词条
    always，根据建议文本中的条款建议任何匹配的建议。说白了就是无论如何都会提供建议。
    lowercase_terms：在文本分析之后降低建议文本术语的大小写。
    min_word_length：建议文本术语必须具有的最小长度才能包含在内。默认为4.（旧名称min_word_len已弃用）。
    shard_size：设置从每个单独分片中检索的最大建议数。在减少阶段，仅根据size选项返回前N个建议。默认为该 size选项。将此值设置为高于该值的值size可能非常有用，以便以性能为代价获得更准确的拼写更正文档频率。由于术语在分片之间被划分，因此拼写校正频率的分片级文档可能不准确。增加这些将使这些文档频率更精确。
    max_inspections：用于乘以的因子， shards_size以便在碎片级别上检查更多候选拼写更正。可以以性能为代价提高准确性。默认为5。
    string_distance：用于比较类似建议术语的字符串距离实现。
    internal，默认值基于damerau_levenshtein，但高度优化用于比较索引中术语的字符串距离。
    damerau_levenshtein，基于Damerau-Levenshtein算法的字符串距离算法。
    levenshtein，基于Levenshtein编辑距离算法的字符串距离算法。
    jaro_winkler，基于Jaro-Winkler算法的字符串距离算法。
    ngram，基于字符n-gram的字符串距离算法。
    选择哪些词条被建议#
    了解了各字段的大致含义，我们来探讨一下，词条建议器是如何运作的。以便理解如何确定哪些建议将成为第一名。
    词条建议器使用了Lucene的错拼检查器模块，该模块会根据给定词条的编辑距离（es使用了叫做Levenstein edit distance的算法，其核心思想就是一个词改动多少字符就可以和另外一个词一致），从索引中返回最大编辑距离不超过某个值的那些词条。比如说为了从mik得到mick，需要加入一个字母（也就是说需要至少要改动一次），所以这两个词的编辑距离就是1。我们可以通过配置一系列的选项，来均衡灵活和性能：
    
    max_edits：最大编辑距离候选建议可以具有以便被视为建议。只能是介于1和2之间的值。任何其他值都会导致抛出错误的请求错误。默认为2。
    prefix_length：必须匹配的最小前缀字符的数量才是候选建议。默认为1.增加此数字可提高拼写检查性能。通常拼写错误不会出现在术语的开头。（旧名prefix_len已弃用）。
    min_doc_freq：建议应出现的文档数量的最小阈值。可以指定为绝对数字或文档数量的相对百分比。这可以仅通过建议高频项来提高质量。默认为0f且未启用。如果指定的值大于1，则该数字不能是小数。分片级文档频率用于此选项。
    max_term_freq：建议文本令牌可以存在的文档数量的最大阈值，以便包括在内。可以是表示文档频率的相对百分比数（例如0.4）或绝对数。如果指定的值大于1，则不能指定小数。默认为0.01f。这可用于排除高频术语的拼写检查。高频术语通常拼写正确，这也提高了拼写检查的性能。分片级文档频率用于此选项。

## phrase suggest ##

词组建议器, 不再是单个字体，可以输入的text可以是词组，且有纠错能力。

GET s2/_doc/_search
    { 
      "suggest": { 
        "my_s4": { 
          "text": "lucne and elasticsear rock",
          "phrase": { 
            "field": "title"
          }
        }
      }
    }

## completion suggester ##

完成建议器

# 删除索引
    DELETE s2
    # 重建建立索引,数据还是上面的6条数据
    PUT s2
    { 
      "mappings":{ 
        "properties": { 
          "title": { 
            "type": "completion",
            "analyzer": "standard"
          }
        }
      }
      
    }
    
    # 使用建议器查询
    GET s2/_doc/_search
    { 
      "suggest": { 
        "my_s2": { 
          "text": "elas",
          "completion": { 
            "field": "title"
          }
        }
      }
    }

> https://blog.csdn.net/weixin\_43199103/article/details/105957053

[term]: https://www.cnblogs.com/Neeo/articles/10694969.html
[phrase]: https://www.cnblogs.com/Neeo/articles/10694996.html
[completion]: https://www.cnblogs.com/Neeo/articles/10695019.html