Elasticsearch使用：Match_phrase查询
原创
简介
match_phrase的特点：
- 词项匹配（查询分词的词项必须完全匹配到索引分词的词项中，并且词项的相对位置position必须一致）
- 分词后的相对位置也必须要精准匹配（slop）
- 使用slop之后，位置越近的得分就越高
- 短语查询和邻近查询都比简单的
query查询代价更高 。 一个match查询仅仅是看词条是否存在于倒排索引中，而一个match_phrase查询是必须计算并比较多个可能重复词项的位置
总结：
1.使用短语查询时使用Es默认的标准分词器（标准分词器：细粒度切分）最好，这样可以使查询分词和索引分词的词项最大可能的达到匹配
2.特别适合在一段文本中不连续的词的搭配情景（例：文章、说明、长文本...）
准备数据
新建索引：
PUT test_phrase
设置索引mapping：
PUT /test_phrase/_mapping/_doc
{
"properties": {
"name": {
"type":"text"
}
}
}
结果：
{
"mapping": {
"_doc": {
"properties": {
"name": {
"type": "text"
}
}
}
}
}
插入数据：
PUT test_phrase/_doc/2
{
"name":"我爱北京天安门"
}
查询数据：
POST test_phrase/_search
{
"query": {"match_all": {}}
}
结果：
{
"took" : 3,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 2,
"max_score" : 1.0,
"hits" : [
{
"_index" : "test_phrase",
"_type" : "_doc",
"_id" : "2",
"_score" : 1.0,
"_source" : {
"name" : "我爱北京天安门"
}
}
]
}
}
查看分词词项：
POST test_phrase/_analyze
{
"field": "name",
"text": "我爱北京天安门"
}
结果：
{
"tokens" : [
{
"token" : "我",
"start_offset" : 0,
"end_offset" : 1,
"type" : "<IDEOGRAPHIC>",
"position" : 0
},
{
"token" : "爱",
"start_offset" : 1,
"end_offset" : 2,
"type" : "<IDEOGRAPHIC>",
"position" : 1
},
{
"token" : "北",
"start_offset" : 2,
"end_offset" : 3,
"type" : "<IDEOGRAPHIC>",
"position" : 2
},
{
"token" : "京",
"start_offset" : 3,
"end_offset" : 4,
"type" : "<IDEOGRAPHIC>",
"position" : 3
},
{
"token" : "天",
"start_offset" : 4,
"end_offset" : 5,
"type" : "<IDEOGRAPHIC>",
"position" : 4
},
{
"token" : "安",
"start_offset" : 5,
"end_offset" : 6,
"type" : "<IDEOGRAPHIC>",
"position" : 5
},
{
"token" : "门",
"start_offset" : 6,
"end_offset" : 7,
"type" : "<IDEOGRAPHIC>",
"position" : 6
}
]
}演示阶段
关键词"我"
POST test_phrase/_search
{
"query": {
"match_phrase": {
"name": {
"query": "我"
}
}
}
}
结果：
{
"took" : 2,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 1,
"max_score" : 0.2876821,
"hits" : [
{
"_index" : "test_phrase",
"_type" : "_doc",
"_id" : "2",
"_score" : 0.2876821,
"_source" : {
"name" : "我爱北京天安门"
}
}
]
}
}
分析：
POST test_phrase/_analyze
{
"field": "name",
"text": "我"
}
{
"tokens" : [
{
"token" : "我",
"start_offset" : 0,
"end_offset" : 1,
"type" : "<IDEOGRAPHIC>",
"position" : 0
}
]
}
查询分词"我"的position位置是0，首先文档"我爱北京天安门"的索引分词中有"我"且position为0，符合短语查询的要求，因此可以正确返回。关键词"我爱"
POST test_phrase/_search
{
"query": {
"match_phrase": {
"name": {
"query": "我爱"
}
}
}
}
结果：
{
"took" : 4,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 1,
"max_score" : 0.5753642,
"hits" : [
{
"_index" : "test_phrase",
"_type" : "_doc",
"_id" : "2",
"_score" : 0.5753642,
"_source" : {
"name" : "我爱北京天安门"
}
}
]
}
}
分析：
POST test_phrase/_analyze
{
"field": "name",
"text": "我爱"
}
{
"tokens" : [
{
"token" : "我",
"start_offset" : 0,
"end_offset" : 1,
"type" : "<IDEOGRAPHIC>",
"position" : 0
},
{
"token" : "爱",
"start_offset" : 1,
"end_offset" : 2,
"type" : "<IDEOGRAPHIC>",
"position" : 1
}
]
}
查询分词"我爱"的position分别是"我"-0、"爱"-1，
索引分词中也存在"我"、"爱"词项，其次"我"-0、"爱"-1的相对position也符合要求，因此可以正确返回。关键词"我北"
POST test_phrase/_search
{
"query": {
"match_phrase": {
"name": {
"query": "我北"
}
}
}
}
结果：
{
"took" : 2,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 0,
"max_score" : null,
"hits" : [ ]
}
}
分析：
POST test_phrase/_analyze
{
"field": "name",
"text": "我北"
}
{
"tokens" : [
{
"token" : "我",
"start_offset" : 0,
"end_offset" : 1,
"type" : "<IDEOGRAPHIC>",
"position" : 0
},
{
"token" : "北",
"start_offset" : 1,
"end_offset" : 2,
"type" : "<IDEOGRAPHIC>",
"position" : 1
}
]
}
查询分词中"我"的position是0，"北"的position是1，
索引分词中"我"的position是0，"北"的position是2，
虽然查询分词的词项在索引分词的词项中都存在，但是相对的position并未匹配要求，导致搜索结果不能正确返回。
修正："slop": 1
POST test_phrase/_search
{
"query": {
"match_phrase": {
"name": {
"query": "我北",
"slop": 1
}
}
}
}
{
"took" : 5,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 1,
"max_score" : 0.37229446,
"hits" : [
{
"_index" : "test_phrase",
"_type" : "_doc",
"_id" : "2",
"_score" : 0.37229446,
"_source" : {
"name" : "我爱北京天安门"
}
}
]
}
}关键词“爱京”
POST test_phrase/_search
{
"query": {
"match_phrase": {
"name": {
"query": "爱北京"
}
}
}
}
{
"took" : 2,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 1,
"max_score" : 0.8630463,
"hits" : [
{
"_index" : "test_phrase",
"_type" : "_doc",
"_id" : "2",
"_score" : 0.8630463,
"_source" : {
"name" : "我爱北京天安门"
}
}
]
}
}
查询分词中"爱"的position是0，"北"的position是1，"京"的position是2。
索引分词中"爱"的position是1，"北"的position是2，"京"的position是3。
查询分词和索引分词的词项都匹配，同时词项的相对位置也符合要求，所以可以检索成功。提升相关度
使用邻近度提高相关度
我们可以将一个简单的 match 查询作为一个 must 子句。 这个查询将决定哪些文档需要被包含到结果集中。 我们可以用 minimum_should_match 参数去除长尾。 然后我们可以以 should 子句的形式添加更多特定查询。 每一个匹配成功的都会增加匹配文档的相关度。
GET /my_index/my_type/_search
{
"query": {
"bool": {
"must": {
"match": { #must 子句从结果集中包含或者排除文档
"title": {
"query": "quick brown fox",
"minimum_should_match": "30%"
}
}
},
"should": {
"match_phrase": { #should 子句增加了匹配到文档的相关度评分。
"title": {
"query": "quick brown fox",
"slop": 50
}
}
}
}
}
}原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
Elasticsearch Service
腾讯云 Elasticsearch Service（ES）是云端全托管海量数据检索分析服务，拥有高性能自研内核，集成X-Pack。ES 支持通过自治索引、存算分离、集群巡检等特性轻松管理集群，也支持免运维、自动弹性、按需使用的 Serverless 模式。使用 ES 您可以高效构建信息检索、日志分析、运维监控等服务，它独特的向量检索还可助您构建基于语义、图像的AI深度应用。