很多情况下，我们希望在搜索时，有时能够使用一个词的同义词来进行补充搜索，这样我们能搜索出来更多相关的内容。这个场景可以通过 text analysis 来帮助我们生成同义词。那么在进行同义词搜索时，我们有如下的几种方案：
通过修改setting配置同义词
首先，我们来创建一个具有如下 anaylzer 及 mapping 的一个索引：
PUT myindex
{
"settings": {
"analysis": {
"filter": {
"my_synonyms": {
"type": "synonym_graph",
"synonyms": [
"清新,可爱,动漫,粉色,浪漫"
]
}
},
"analyzer": {
"my_analyzer": {
"type": "custom",
"tokenizer": "ik_max_word",
"filter":[
"lowercase",
"my_synonyms"
]
}
}
}
},
"mappings": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "my_analyzer"
}
}
}
}
在上面，我们使用 synonym_graph 过滤器对 quey 时的词进行过滤。在这个过滤器中，我们把如下的一个词都视为同义词：
清新,可爱,动漫,粉色,浪漫
在mapping 中，我们定义了 search_analyzer 为 my_analyzer，也就是说在 query 时，它会对所有的词进行分词。但凡有任何一个词是 '清新,可爱,动漫,粉色,浪漫' 其中的一个，它都将被视为同义词。
我们首先来创建一个文档：
PUT myindex/_doc/1
{
"title": "通用清新粉色高端医院美容企业春暖花开职等你来招聘"
}
运行上面的指令，我们将创建一个 title 为 '通用清新粉色高端医院美容企业春暖花开职等你来招聘' 的文档。
接下来，我们做如下的查询：
GET myindex/_search
{
"query": {
"match": {
"title": "粉色"
}
}
}
那么显示的结果是：
{
"took" : 256,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 1.4384104,
"hits" : [
{
"_index" : "myindex",
"_type" : "_doc",
"_id" : "1",
"_score" : 1.4384104,
"_source" : {
"title" : "通用清新粉色高端医院美容企业春暖花开职等你来招聘"
}
}
]
}
}
可能有人说了，这是因为上面的 title 里本身就含有 '粉色', 所以上面的结果证明不了什么。接下来，我们进行如下的搜索：
GET myindex/_search
{
"query": {
"match": {
"title": "浪漫"
}
}
}
结果，我们可以发现，我们同样显示上面的搜索的结果。这个说明了这个同义词的搜索是成功的。
接下来，我们想通过搜索 '素雅' 也能搜索出'清新'来，那么我怎么做呢？
我们来执行如下的命令：
POST myindex/_close
PUT myindex/_settings
{
"analysis": {
"filter": {
"my_synonyms": {
"type": "synonym_graph",
"synonyms": [
"清新,素雅,可爱,动漫,粉色,浪漫"
]
}
},
"analyzer": {
"my_analyzer": {
"type": "custom",
"tokenizer": "standard",
"filter": [
"lowercase",
"my_synonyms"
]
}
}
}
}
POST myindex/_open
我们可以通过更新 setting 来实现这个。在上面请注意：当我们更新一个索引的 index 时，我们必须先把它关掉，等设置好后，在重新打开。否则会有错误。那么经过上面的修改后，我们重新运行如下的搜索：
GET myindex/_search
{
"query": {
"match": {
"title": "素雅"
}
}
}
那么上面的搜索结果将会显示我们之前显示的结果。在这里 ‘素雅’ 也就是和之前的其它词都是同义词。
通过修改文件配置同义词
有人可能觉得上面在 settings 里配置太多的同义词很麻烦，而且关闭索引会影响线上查询(可以放到凌晨进行)。按照 Elastic 的官方文档，我们可以把所有的同义词放到一个文档中。首先，我们在 Elasticsearch 的 config 目录中，创建一个叫做 analysis 的子目录，然后创建一个叫做 synonyms.txt 的文档，而它的内容如下：
$ pwd
/Users/liuxg/elastic/elasticsearch-7.8.0/config/analysis
$ cat synonyms.txt
"清新,素雅,可爱,动漫,粉色,浪漫",
"elk, elastic stack"
在这里，我们多添加了一个 elk, elastic stack 的同义词。我们来创建一个新的索引：
PUT myindex1
{
"settings": {
"analysis": {
"filter": {
"my_synonyms": {
"type": "synonym_graph",
"synonyms_path": "analysis/synonyms.txt"
}
},
"analyzer": {
"my_analyzer": {
"type": "custom",
"tokenizer": "standard",
"filter":[
"lowercase",
"my_synonyms"
]
}
}
}
},
"mappings": {
"properties": {
"content": {
"type": "text",
"analyzer": "standard",
"search_analyzer": "my_analyzer"
}
}
}
}
运行完上的指令后，我们来创建一个文档：
PUT myindex1/_doc/1
{
"content": "I love elastic stack"
}
然后我们做如下的搜索：
GET myindex1/_search
{
"query": {
"match": {
"content": "elk"
}
}
}
上面的搜索结果显示：
{
"took" : 451,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 0.5753642,
"hits" : [
{
"_index" : "myindex1",
"_type" : "_doc",
"_id" : "1",
"_score" : 0.5753642,
"_source" : {
"content" : "I love elastic stack"
}
}
]
}
}
显然，我可以看到搜索 elk，我们就可以搜索到含有 elastic stack 的文档。
在实际的使用中，如果我们更新 synonyms.txt 文件，那么，我们可以使用如下的 API 来进行更新：
POST myindex1/_reload_search_analyzers
总结
在上面，我们展示了两种方法进行同义词的查询。在实际的使用中，你可以根据自己的情况适当进行选择。当然，我们有可以把上面的两种方法进行同时并用。通过这两种方法，也有可能会造成搜索的精确度的问题。这个是你必须要想清楚的。这个就像我们撒网打鱼一样，把网撒大了，捞上来的也有可能不是我们想要的。
需要注意的是如果我们想在索引阶段就对同义词token进行索引的话，那么需要使用synonym分析器而不是synonym_graph