php - Elasticsearch:在字符串中搜索单词并获得分数的最佳方法是什么？

Question

我使用的是ElasticSearch的PHP客户端，当我想搜索字符串中“隐藏”的单词时，发现很难返回分数的结果。

这是一个例子:

我想获取所有文件，其中"file"字段的单词为“anses”，文件的命名如下:
axx14anses19122015.zip

我对它的了解

我知道我应该将这些单词标记化，无法实现。
我也读过有关聚合的文章，但我对ES真的很陌生，我必须尽快交付工作文件。

我到目前为止已经尝试过的内容

REGEXP:使用正则表达式非常昂贵，并且不返回任何分数，这是缩小结果并为用户提供准确信息所必须具备的。

通配符:相同，缓慢且没有得分

我自己的脚本，其中有词典，然后使用regexp搜索关键单词(如果匹配)，请在该匹配文档中使用该单词创建一个新字段。原因是要创建 token ，因此在以后的搜索中，我可以将常规匹配与得分配合使用。消极的一面:字典里的东西完全被我的老板拒绝了，所以我在这里问任何想法。

提前致谢。

Answer 1

我建议您使用nGram tokenizer参见示例
我将为文档类型创建一个分析器和一个映射

PUT /test_index
{
   "settings": {
      "number_of_shards": 1,
      "analysis": {
         "tokenizer": {
            "ngram_tokenizer": {
               "type": "nGram",
               "min_gram": 4,
               "max_gram": 4,
               "token_chars": [ "letter", "digit" ]
            }
         },
         "analyzer": {
            "ngram_tokenizer_analyzer": {
               "type": "custom",
               "tokenizer": "ngram_tokenizer",
               "filter": [
                  "lowercase"
               ]
            }
         }
      }
   },
   "mappings": {
      "doc": {
         "properties": {
            "text_field": {
               "type": "string",
               "term_vector": "yes",
               "analyzer": "ngram_tokenizer_analyzer"
            }
         }
      }
   }
}

之后，我将使用您的文件名插入文档

PUT /test_index/doc/1
{
    "text_field": "axx14anses19122015"
}

现在我将使用查询匹配

POST /test_index/_search
{
    "query": {
        "match": {
           "text_field": "anses"
        }
    }
}

并会收到这样的回复

{
   "took": 8,
   "timed_out": false,
   "_shards": {
      "total": 1,
      "successful": 1,
      "failed": 0
   },
   "hits": {
      "total": 1,
      "max_score": 0.10848885,
      "hits": [
         {
            "_index": "test_index",
            "_type": "doc",
            "_id": "1",
            "_score": 0.10848885,
            "_source": {
               "text_field": "axx14anses19122015"
            }
         }
      ]
   }
}

我做了什么？
我刚刚创建了一个nGram标记生成器，它将用4个字符的术语爆炸我们的字符串，并将这些术语分开索引，当我搜索字符串的一部分时将对它们进行搜索。
要了解更多信息，请阅读这篇文章https://qbox.io/blog/an-introduction-to-ngrams-in-elasticsearch
希望对您有所帮助!