全文檢索搜尋-介紹-elasticsearch-definitive-guide翻譯

標籤：部落格   elasticsearch   翻譯   

全文檢索搜尋我們通過前文的簡單例子，已經瞭解了結構化資料的條件搜尋；現在，讓我們來瞭解全文檢索搜尋-- 怎樣通過匹配所有域的文本找到最相關的文章。關於全文檢索搜尋有兩個最重要的方面：

相似度計算

通過TF/IDF (see [relevance-intro])，地理位置接近演算法，模糊相似度演算法或者其他演算法，用來給給定查詢條件的結果排序。

文本分析

通過把文本切割和歸一化後的詞元，去(a)產生倒排索引，或者去(b)查詢倒排索引。

當我們在討論相似度計算和文本分析的時候，我們只是在討論查詢，而不是過濾詞條搜尋 vs. 全文檢索搜尋即使所有的查詢都要執行一些相似度排序，但是不是所有的查詢條件都需要文本分析。 因為有些特殊的查詢就不是在文本上執行的，列如 bool和 function_score。 它們是boolean查詢和數值查詢。文字查詢可以分為兩個種類：

詞條查詢

低層級的 term和 fuzzy查詢沒有文本分析，它們只是在單個詞條上查詢。列如詞條 "Foo"的 term查詢， 是在倒排索引種尋找完全符合的詞條，然後給每一篇包含這個詞條的文章做TF/IDF相似度打分。記住：詞條 "Foo"的 term查詢只是在倒排索引裡尋找完全符合的詞條，它不會匹配到 "foo"或者 "FOO"。 當你在 not_analyzed的域用 ["Foo","Bar"]產生索引，或者在用 whitespace分析器的域用 "Foo Bar"產生索引， 它們都會在倒排索引裡產生兩個詞元 "Foo"和 "Bar"。

全文檢索查詢

進階別的 match和 query_string查詢能夠理解這些域的映射： * 如果在 date和 integer屬性的域，查詢文本會被當日期或者整數來對待。 * 如果在( not_analyzed)屬性的文本域，查詢文本會被當做一個詞條來查詢。 * 但是，如果在( analyzed)屬性的文本域，查詢文本會用恰當得分析器去產生詞條，而這些詞條都會被用來查詢。 一旦查詢得到這些詞條，它就用適當的低級查詢去執行每一個詞條，然後用查詢結果計算每一篇文章的相似度打分。 我們將在後面的章節中詳細介紹這個過程。

通常，你幾乎都不會直接用到基於詞元的查詢，更多的，你會用更方便的進階全文檢索查詢(其實內部是用基於詞元的查詢)當你想在 not_analyzed域查詢完全符合值的時候，你應該考慮一下你到底是用查詢還是過濾。 因為單詞條查詢通常被表示為二元值 yes| no，所以過濾能更好的表達它們。你能從這裡收益的 filter caching:

GET /_search{    "query": {        "filtered": {            "filter": {                "term": { "gender": "female" }            }        }    }}




部落格已搬家

原文連結：http://www.callmer.com/?p=43