Elasticsearch多个建议，带有更高级的情况，例如在句子中间匹配前缀

Question

我的用例：当用户可以键入他的查询时，我有一个搜索栏。除了常规查询建议之外，我还想向用户显示多种类型的搜索建议。例如，在下面的屏幕快照中，如您在此屏幕快照中所见，您可以看到有关公司部门，公司和学校的建议。

目前使用completion suggesters和以下映射实现（这是我们Ruby实现的代码，但我相信您应该能够轻松理解它）

{
  _source: '',
  suggest: {
    text: query_from_the_user, # User query like "sec" to find "security" related matches 
    'school_names': {
      completion: {
        field: 'school_names_suggest',
      },
    },
    'companies': {
      completion: {
        field: 'company_name.suggest',
      },
    },
    'sectors': {
      completion: {
        field: sector_field_based_on_current_language(I18n.locale),
             # uses 'company_sector.french.suggest' when the user browses in french
      },
    },
  },
}

这是我的映射（这是用Ruby编写的，但我认为从心理上将其转换为Elasticsearch JSON配置应该不太难]

indexes :company_name, type: 'text' do
  indexes :suggest, type: 'completion'
end
indexes :company_sector, type: 'object' do
  indexes :french, type: 'text' do
    indexes :suggest, type: 'completion'
  end
  indexes :english, type: 'text' do
    indexes :suggest, type: 'completion'
  end
end
indexes :school_names_suggest, type: 'completion'
# sample Indexed JSON 
{ 
  company_name: "Christian Dior Couture",
  company_sector: {
    english: 'Milk sector',
    french: 'Secteur laitier'
  },
  school_names_suggest: ['Télécom ParisTech', 'Ecole Centrale Paris']
}

问题是建议的功能不够强大，无法根据句子的中间部分自动完成，即使完美匹配也无法提供其他结果。这是我需要通过ES实施捕获的一些方案

案例1-句子中的前缀匹配

# documents
[{ company_name: "Christian Dior Couture" }]
# => A search term "Dior" should return this document because it matches by prefix on the second word

案例2-即使完美匹配也提供结果

# documents
[
  { company_name: "Crédit Agricole" },
  { company_name: "Crédit Agricole Pyrénées Gascogne" },
]
# => A search term "Crédit Agricole" should return both documents (using the current implementation it only returns "Crédit Agricole"

我可以在Elasticsearch中使用建议者实现此功能吗？还是我需要回退到多个search，它们将使用search-as-you-type所提到的query来利用新的in the doc数据类型？

我正在AWS和Ruby驱动程序（gem elasticsearch-7.3.0）上使用elasticsearch 7.1

Answer 1

要回答您的问题，是的，使用Elasticsearch中的建议程序绝对可以实现。这仅取决于您如何实施它。

您有三个选择：

• 使用nGram（min_gram，max_gram等）
• 用户通配符query_string
• 使用mappings

我使用标准令牌生成器和nGram作为过滤器。这是我的设置：

{
  "index": {
    "index": "my_idx",
    "type": "my_type",
    "analysis": {
      "index_analyzer": {
        "my_index_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "mynGram"
          ]
        }
      },
      "search_analyzer": {
        "my_search_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "standard",
            "lowercase",
            "mynGram"
          ]
        }
      },
      "filter": {
        "mynGram": {
          "type": "nGram",
          "min_gram": 2,
          "max_gram": 50
        }
      }
    }
  }
}

让您找到最多50个字母的单词部分。只需根据需要调整max_gram。显然，该值越高，它将越慢。

使用query_string，所有情况都将使用默认的标准分析仪：

我已将查询字符串添加到数据顶部，看起来像这样：

{
  _source: '',
  query : {
    query_string: {
       query: query_from_the_user
    }
  },
  suggest: {
    text: query_from_the_user, # User query like "sec" to find "security" related matches 
    'school_names': {
      completion: {
        field: 'school_names_suggest',
      },
    },
    'companies': {
      completion: {
        field: 'company_name.suggest',
      },
    },
    'sectors': {
      completion: {
        field: sector_field_based_on_current_language(I18n.locale),
             # uses 'company_sector.french.suggest' when the user browses in french
      },
    },
  },
}