Elasticsearch--suggester

Suggester简介

搜索一般都会要求具有“搜索推荐”或者叫“搜索补全”的功能,即在用户输入搜索的过程中,进行自动补全或者纠错。以此来提高搜索文档的匹配精准度,进而提升用户的搜索体验,这就是Suggest

Term suggester

针对单独term的搜索推荐,不考虑搜索短语中多个term的关系

只基于tokenizer之后的单个term去匹配建议词,并不会考虑多个term之间的关系

POST /_search
{ 
  "suggest": {
    "": {
      "text": "",
      "term": {
        "suggest_mode": "",
        "field": ""
      }
    }
  }
}

Options:

  • text:用户搜索的文本

  • field:要从哪个字段选取推荐数据

  • analyzer:使用哪种分词器

  • size:每个建议返回的最大结果数

  • sort:如何按照提示词项排序,参数值只可以是以下两个枚举:

    • score:分数>词频>词项本身

    • frequency:词频>分数>词项本身

  • suggest_mode:搜索推荐的推荐模式,参数值亦是枚举:

    • missing:默认值,仅为不在索引中的词项生成建议词

    • popular:仅返回与搜索词文档词频或文档词频更高的建议词

    • always:根据 建议文本中的词项 推荐 任何匹配的建议词

  • max_edits:可以具有最大偏移距离候选建议以便被认为是建议。只能是1到2之间的值。任何其他值都将导致引发错误的请求错误。默认为2

  • prefix_length:前缀匹配的时候,必须满足的最少字符

  • min_word_length:最少包含的单词数量

  • min_doc_freq:最少的文档频率

  • max_term_freq:最大的词频

Phrase suggester

在term suggester的基础上,考虑多个term之间的关系。比如是否同时出现在一个索引原文中,相邻程度以及词频等。

phrase suggester和term suggester相比,对建议的文本会参考上下文,也就是一个句子的其他token,不只是单纯的token距离匹配,它可以基于共生和频率选出更好的建议。

Options:

  • real_word_error_likelihood: 此选项的默认值为 0.95。此选项告诉 Elasticsearch 索引中 5% 的术语拼写错误。这意味着随着这个参数的值越来越低,Elasticsearch 会将越来越多存在于索引中的术语视为拼写错误,即使它们是正确的

  • max_errors:为了形成更正,最多被认为是拼写错误的术语的最大百分比。默认值为 1

  • confidence:默认值为 1.0,最大值也是。该值充当与建议分数相关的阈值。只有得分超过此值的建议才会显示。例如,置信度为 1.0 只会返回得分高于输入短语的建议

  • collate:告诉 Elasticsearch 根据指定的查询检查每个建议,以修剪索引中不存在匹配文档的建议。在这种情况下,它是一个匹配查询。由于此查询是模板查询,因此搜索查询是当前建议,位于查询中的参数下。可以在查询下的“params”对象中添加更多字段。同样,当参数“prune”设置为true时,我们将在响应中增加一个字段“collate_match”,指示建议结果中是否存在所有更正关键字的匹配

  • direct_generator:phrase suggester使用候选生成器生成给定文本中每个项可能的项的列表。单个候选生成器类似于为文本中的每个单独的调用term suggester。生成器的输出随后与建议候选项中的候选项结合打分。目前只支持一种候选生成器,即direct_generator。建议API接受密钥直接生成器下的生成器列表;列表中的每个生成器都按原始文本中的每个项调用。

搜索结果不一定是文档中真实存在的数据。是根据搜索词结合文档智能推荐的结果

completion suggester

最常使用

自动补全,自动完成,支持三种查询【前缀查询(prefix)模糊查询(fuzzy)正则表达式查询(regex)】 ,主要针对的应用场景就是"Auto Completion"。 此场景下用户每输入一个字符的时候,就需要即时发送一次查询请求到后端查找匹配项,在用户输入速度较高的情况下对后端响应速度要求比较苛刻。因此实现上它和前面两个Suggester采用了不同的数据结构,索引并非通过倒排来完成,而是将analyze过的数据编码成FST和索引一起存放。对于一个open状态的索引,FST会被ES整个装载到内存里的,进行前缀查找速度极快。但是FST只能用于前缀查找,这也是Completion Suggester的局限所在。

  • completion:es的一种特有类型,专门为suggest提供,基于内存,性能很高。

  • prefix query:基于前缀查询的搜索提示,是最常用的一种搜索推荐查询。

    • prefix:客户端搜索词

    • field:建议词字段

    • size:需要返回的建议词数量(默认5)

    • skip_duplicates:是否过滤掉重复建议,默认false

  • fuzzy query

    • fuzziness:允许的偏移量,默认auto

    • transpositions:如果设置为true,则换位计为一次更改而不是两次更改,默认为true。

    • min_length:返回模糊建议之前的最小输入长度,默认 3

    • prefix_length:输入的最小长度(不检查模糊替代项)默认为 1

    • unicode_aware:如果为true,则所有度量(如模糊编辑距离,换位和长度)均以Unicode代码点而不是以字节为单位。这比原始字节略慢,因此默认情况下将其设置为false。

  • regex query:可以用正则表示前缀,不建议使用

context suggester

完成建议者会考虑索引中的所有文档,但是通常来说,我们在进行智能推荐的时候最好通过某些条件过滤,并且有可能会针对某些特性提升权重。

  • contexts:上下文对象,可以定义多个

    • name:context的名字,用于区分同一个索引中不同的context对象。需要在查询的时候指定当前name

    • type:context对象的类型,目前支持两种:category和geo,分别用于对suggest item分类和指定地理位置。

    • boost:权重值,用于提升排名

  • path:如果没有path,相当于在PUT数据的时候需要指定context.name字段,如果在Mapping中指定了path,在PUT数据的时候就不需要了,因为 Mapping是一次性的,而PUT数据是频繁操作,这样就简化了代码。

你可能感兴趣的:(elasticsearch,搜索引擎)