为弹性搜索中较早位置的搜索查询分配更高的分数

Question

此问题与Val回答的我的其他问题enter link description here相似。区别在于，在这个问题中，我感兴趣的是搜索与文档中的单词完全匹配的查询。例如，我想搜索不带“ e”的“ Ann”来带回Anne Borg，Anne M Stone和Leanne Ray，但给Leanne Ray比其他两个文档更低的分数。 [请注意，在另一个问题中，我正在搜索“ Anne”，它与文档中的字符串完全匹配。在这里，我正在搜索“ Ann”，这不是完全匹配。我有一个包含3个文档的索引。

    {
            "firstname": "Anne",
            "lastname": "Borg",
        }

    {
            "firstname": "Leanne",
            "lastname": "Ray"
        },

    {
            "firstname": "Anne",
            "middlename": "M",
            "lastname": "Stone"
        }

[当我搜索“ Ann”时，我希望Elastic返回所有这3个文档（因为它们都在一定程度上与“ Anne”相匹配）。但是，我希望Leanne Ray的得分（相关性排名）较低，因为搜索词“ Ann”在此文档中的出现位置要比其他两个文档中的出现要晚。

这是我的索引设置...

{
    "settings": {
        "analysis": {
            "analyzer": {
                "my_analyzer": {
                    "filter": [
                        "lowercase"
                    ],
                    "type": "custom",
                    "tokenizer": "my_tokenizer"
                }
            },
            "tokenizer": {
                "my_tokenizer": {
                    "token_chars": [
                        "letter",
                        "digit",
                        "custom"
                    ],
                    "custom_token_chars": "'-",
                    "min_gram": "3",
                    "type": "ngram",
                    "max_gram": "4"
                }
            }
        }
    },
    "mappings": {
        "properties": {
            "firstname": {
                "type": "text",
                "fields": {
                    "keyword": {
                        "type": "keyword"
                    }
                },
                "copy_to": [
                    "full_name"
                ]
            },


            "lastname": {
                "type": "text",
                "fields": {
                    "keyword": {
                        "type": "keyword"
                    }
                },
                "copy_to": [
                    "full_name"
                ]
            },

            "middlename": {
                "type": "text",
                "fields": {
                    "keyword": {
                        "type": "keyword",
                        "ignore_above": 256
                    }
                },
                "copy_to": [
                    "full_name"
                ]
            },

            "full_name": {
                "type": "text",
                "analyzer": "my_analyzer",
                "fields": {
                    "keyword": {
                        "type": "keyword"
                    }
                }
            }
        }
    }
}

这里是Val的查询，可以成功回答我以前的问题...

{
  "query": {
    "bool": {
      "must": [
        {
          "query_string": {
            "query": "Anne",
            "fields": [
              "full_name"
            ]
          }
        }
      ],
      "should": [
        {
          "multi_match": {
            "query": "Anne",
            "fields": [
              "firstname",
              "lastname"
            ],
            "boost": 10
          }
        }
      ]
    }
  }
}

同时使用ngram令牌过滤器和ngram令牌生成器似乎很好地满足了这一挑战...

{
    "settings": {
        "analysis": {
            "analyzer": {
                "my_analyzer": {
                    "filter": [
                        "ngram"
                    ],
                    "tokenizer": "ngram"
                }
            }
        }
    },
    "mappings": {
        "properties": {
            "firstname": {
                "type": "text",
                "fields": {
                    "keyword": {
                        "type": "keyword"
                    }
                },
                "copy_to": [
                    "full_name"
                ]
            },
            "lastname": {
                "type": "text",
                "fields": {
                    "keyword": {
                        "type": "keyword"
                    }
                },
                "copy_to": [
                    "full_name"
                ]
            },
            "middlename": {
                "type": "text",
                "fields": {
                    "keyword": {
                        "type": "keyword"
                    }
                },
                "copy_to": [
                    "full_name"
                ]
            },
            "full_name": {
                "type": "text",
                "analyzer": "my_analyzer",
                "search_analyzer": "my_analyzer"
            }
        }
    }
}

但是，查询还会带回大量根本不匹配查询的误报结果。相对于预期匹配的分数，这些误报具有非常低的分数是很有帮助的。

此问题与我的其他问题类似，Val在此处输入了链接描述。区别在于，在此问题中，我感兴趣的是搜索不完全相同的查询...

Answer 1

答案与链接线程中的答案相同。由于您正在对所有索引数据进行ngram处理，因此它与Ann的工作方式与与Anne的工作方式相同，不过您会获得完全相同的响应（请参见下文），但得分不同：