dis max query
单字符串查询实例
- 博客标题
- 文档1中出现“brown”
- 博客内容
- 文档1中出现了“brown”
-
“brown fox”在文档2中全部出现，并且保持和查询一直的顺序（目测相关性最高）
image.png
算分过程
- 查询should语句中的两个查询
- 加和两个查询的评分
- 乘以匹配语句的总数
- 除以所有语句的总数
disjunction max query查询
- 上例中，title和body互相竞争
- 不应该讲分数简单叠加，而是应该找到单个最佳匹配的字段的评分
- disjunction max query
- 将任何与任意查询匹配的文档作为结果返回，采用字段上最匹配的评分最终评分返回
通过tie breaker参数调整
- 获得最佳匹配语句的评分 _score
- 将其他匹配语句的评分与tie_breaker相乘
- 对以上评分求和并规范化
-
tier breaker是一个介于0-1之间的浮点数，0代表使用最佳匹配，1代表所有语句同等重要
image.png
image.png
PUT /blogs/_doc/1
{
"title": "Quick brown rabbits",
"body": "Brown rabbits are commonly seen."
}
PUT /blogs/_doc/2
{
"title": "Keeping pets healthy",
"body": "My quick brown fox eats rabbits on a regular basis."
}
POST /blogs/_search
{
"query": {
"bool": {
"should": [
{ "match": { "title": "Brown fox" }},
{ "match": { "body": "Brown fox" }}
]
}
}
}
POST blogs/_search
{
"query": {
"dis_max": {
"queries": [
{ "match": { "title": "Quick pets" }},
{ "match": { "body": "Quick pets" }}
]
}
}
}
POST blogs/_search
{
"query": {
"dis_max": {
"queries": [
{ "match": { "title": "Quick pets" }},
{ "match": { "body": "Quick pets" }}
],
"tie_breaker": 0.2
}
}
}
multi match
三种场景
- 最佳字段 best fileds
- 当字段之间相互竞争，又相互关联，例如title和body这样的字段，评分来自最匹配字段
- 多数字段 most fields
- 处理英文内容是：一种常见的手段是，在主字段（English analyzerr），抽取次干，加入同义词，以匹配更多的文档。相同的文本，加入子字段（standard analyzer），以提供更加精确的匹配。其他字段作为匹配文档提高相关度的信号。匹配字段越多则越好
- 混合字段 cross fields
- 对于某些实体，例如任命，地址，图书信息。需要在多个字段中确定信息，单个字段只能作为整体的一部分。希望在任何这些列出的字段中找到尽可能多的词
multi match query
- best fields是默认类型，可以不用指定
-
minimum should match等参数可以传递到生成的query中
image.png
一个查询案例
- 英文分词器，导致精确度降低，时态信息丢失
-
standard analyzer不会对时态做一些变动，可以精确查询
image.png
使用多数字段匹配解决
- 用广度匹配字段title包括尽可能多的文档，以提升召回率， 同时又使用字段title.std作为信号将相关度更高的文档置于结果顶部
-
每个字段对于最终评分的贡献可以通过自定义值boost来控制。比如，使title字段更为重要，这样同时也降低了其他信号字段的作用
image.png
image.png
跨字段的搜索
-
无法使用operator
-
可以用copy_to解决，但是需要额外的存储空间
image.png
image.png
-
支持使用operator
-
与copy_to相比，其中一个优势就是它可以在搜索时为单个字段提升权重
cross_fields
POST blogs/_search
{
"query": {
"dis_max": {
"queries": [
{ "match": { "title": "Quick pets" }},
{ "match": { "body": "Quick pets" }}
],
"tie_breaker": 0.2
}
}
}
POST blogs/_search
{
"query": {
"multi_match": {
"type": "best_fields",
"query": "Quick pets",
"fields": ["title","body"],
"tie_breaker": 0.2,
"minimum_should_match": "20%"
}
}
}
POST books/_search
{
"multi_match": {
"query": "Quick brown fox",
"fields": "*_title"
}
}
POST books/_search
{
"multi_match": {
"query": "Quick brown fox",
"fields": [ "*_title", "chapter_title^2" ]
}
}
DELETE /titles
PUT /titles
{
"settings": { "number_of_shards": 1 },
"mappings": {
"my_type": {
"properties": {
"title": {
"type": "string",
"analyzer": "english",
"fields": {
"std": {
"type": "string",
"analyzer": "standard"
}
}
}
}
}
}
}
PUT /titles
{
"mappings": {
"properties": {
"title": {
"type": "text",
"analyzer": "english"
}
}
}
}
POST titles/_bulk
{ "index": { "_id": 1 }}
{ "title": "My dog barks" }
{ "index": { "_id": 2 }}
{ "title": "I see a lot of barking dogs on the road " }
GET titles/_search
{
"query": {
"match": {
"title": "barking dogs"
}
}
}
DELETE /titles
PUT /titles
{
"mappings": {
"properties": {
"title": {
"type": "text",
"analyzer": "english",
"fields": {"std": {"type": "text","analyzer": "standard"}}
}
}
}
}
POST titles/_bulk
{ "index": { "_id": 1 }}
{ "title": "My dog barks" }
{ "index": { "_id": 2 }}
{ "title": "I see a lot of barking dogs on the road " }
GET /titles/_search
{
"query": {
"multi_match": {
"query": "barking dogs",
"type": "most_fields",
"fields": [ "title", "title.std" ]
}
}
}
GET /titles/_search
{
"query": {
"multi_match": {
"query": "barking dogs",
"type": "most_fields",
"fields": [ "title^10", "title.std" ]
}
}
}
网友评论