ElasticSearch 按短语查找文档（带/不带额外单词）

Question

我使用 span_near 和 模糊查询 按短语搜索文本。即使单词顺序错误，如果我输入准确的短语，效果也很好。但我想找到不完全相同的短语，而是非常相似的东西。

例如：

我有这样的文字：

我起得很早，因为他的狗大声吠叫

还有这些搜索案例，当我的文档必须被发现时：

我起得很早

（准确的短语）

我因为狗叫而醒来

（短语中间漏掉了一些小词）

我总是早起，因为狗叫

（中间多加了一些字）

但在这些情况下不应找到文档：

我醒来并吠叫

（短语中缺少太多单词）

我经常在凌晨 2 点醒来，当月亮好的时候，狼会在我的窗下吠叫。

（短语中附加词过多）

如果有人帮助我，我将不胜感激！这是我使用的代码（单词用空格分隔，每个单词都添加到一个 span_multi 对象中）：

{
    "query": {
        "bool": {
            "must": [
                {
                    "span_near": {
                        "clauses": [
                            {
                                "span_multi": {
                                    "match": {
                                        "fuzzy": {
                                            "text": {
                                                "value": "I",
                                                "fuzziness": 2
                                            }
                                        }
                                    }
                                }
                            },
                            {
                                "span_multi": {
                                    "match": {
                                        "fuzzy": {
                                            "text": {
                                                "value": "wake",
                                                "fuzziness": 2
                                            }
                                        }
                                    }
                                }
                            },
                            {
                                "span_multi": {
                                    "match": {
                                        "fuzzy": {
                                            "text": {
                                                "value": "up",
                                                "fuzziness": 2
                                            }
                                        }
                                    }
                                }
                            }   }
                            }
                        ],
                        "slop": 5,
                        "in_order": false
                    }
                }
            ]
        }
    },
    "size": 20,
    "from": 0,
    "sort": [
        {
            "petition_number": {
                "unmapped_type": "keyword",
                "order": "asc"
            }
        }
    ]
}

Answer 1

您的查询示例效果很好，除了“短语中间缺少一些小单词”用例。不幸的是，

minimum_should_match

查询中没有

span_near

参数，因此您可能需要生成查询的所有可能版本。基本上，如果您正在搜索

I always wake up early

并且可以忽略一个单词，您将生成短语查询。

• always wake up early

• I wake up early

• I always up early

• I always wake early

• I always wake up

我知道这不是您正在寻找的解决方案，但我认为这是库存 Elasticsearch 可能的最佳解决方案，除非您愿意改变您的要求。