2017/08/03

今天刷微博看到 @陈利人 在微博问一个搜索的问题:

最近在用 Elastic Search 做项目，遇到了这样一个需求，本以为 SpanNearQuery 能实现，发现不可以，因为 span_near 中定义的 slop 是两个邻近词之间的距离，而不是整个 query 所在的窗口的大小。

现在抛出这个这个问题求助，有解决方案的欢迎留言，一旦采用必有重谢。
给定 n 个词，要求搜索所有含有这 n 个词的文档，并且满足这 n 个词同时出现在长度为 m 的窗口中，还有就是这 n 个词在文档中出现的次序和搜索时的次序一致。
比如，搜索词是：“明天 北京 上海 火车”，要求文档中匹配的窗口的大小是12个词。
文档1: 大概 明天 有 一辆 从 北京 开往 上海 的 火车 将 提速 10%
1 2 3 4 5 6 7 8 9 10 11 12 13
这个文档满足条件，2 6 8 10 正好次序和 “明天 北京 上海 火车“一致，并且这几个词的跨度是8，小于要求的12窗口。
文档2: 大概 明天 有 一辆 从 上海 开往 北京 的 火车 将 提速 10%
1 2 3 4 5 6 7 8 9 10 11 12 13
这个不满足，因为“上海 北京”的次序不满足。
文档3: 大概 明天 上午 八点 左右 有 一辆 从 上海 开往 北京 的 混合 动力 的 火车 将 提速 10%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18    19
这个不满足，2 9 11 16，这几个词的跨度是14，大于要求的12窗口。说明了吧，再次提前谢谢。

这个问题解决可以写个自定义query，根据term的position信息扩展，等业余时间多了写个玩玩。