У меня есть объект, который может иметь произвольное количество заголовков.В некоторых случаях существует несколько десятков и даже сотен заголовков на одну сущность.
Эти заголовки хранятся в эластичном поиске в одном поле в виде массива.У поля есть комплексный анализатор со сложным токенизатором.
Проблема состоит в том, что эластик рассматривает поле массива (поле с набором значений) как твую «строку», а релевантность результатов поиска вычисляется какполная релевантность по всей «строке».Но мне нужна релевантность одного конкретного элемента сопоставленного массива.
Ниже приведен очень упрощенный пример.
Создание индекса
curl -XDELETE 'http://localhost:9200/tests'
curl -XPUT 'http://localhost:9200/tests' -d'{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"type": "custom",
"tokenizer": "edge_ngram_tokenizer",
"filter": ["lowercase", "asciifolding"]
}
},
"tokenizer": {
"edge_ngram_tokenizer": {
"type": "edgeNGram",
"min_gram": "3",
"max_gram": "12",
"token_chars": ["letter", "digit"]
}
}
}
},
"mappings": {
"test": {
"properties": {
"name": {
"type": "string",
"analyzer": "my_analyzer"
}
}
}
}
}'
Заполнение индекса
curl -XPOST 'http://localhost:9200/tests/test' -d'{ "id": 1, "name": ["text"] }'
curl -XPOST 'http://localhost:9200/tests/test' -d'{ "id": 2, "name": ["text", "text"] }'
Поиск
curl -XGET 'http://localhost:9200/tests/test/_search' -d'{
"query": {
"match": {
"name": "text"
}
}
}'
Результаты
{
"took": 0,
"timed_out": false,
"_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0 },
"hits": {
"total": 2,
"max_score": 0.7911257,
"hits": [{
"_index": "tests",
"_type": "test",
"_id": "AWOtIL2gdpqdbX7hdDXg",
"_score": 0.7911257,
"_source": { "id": 2, "name": [ "text", "text" ] }
}, {
"_index": "tests",
"_type": "test",
"_id": "AWOtIL0ldpqdbX7hdDXf",
"_score": 0.51623213,
"_source": { "id": 1, "name": [ "text" ] }
}]
}
}
Как видите, id: 2 имеет отношение 0.7911257 , и id: 1 имеет отношение 0.51623213 .
Мне нужны оба результата, чтобы иметь одинаковую релевантность.
Есть ли способ достичь этого?
Я знаю два решения проблемы, но оба меня не устраивают.Возможно, есть другие варианты?
a) Когда количество заголовков относительно мало, заголовки могут быть сохранены в отдельном поле: name_0, name_1, name_2 и т. Д. Эти поля могут быть запросами с использованием dis_max запрос с tie_breaker: 0 и релевантность будет хорошей.
"query": {
"dis_max": {
"queries": [
{ "match": { "name_0": "text" } },
{ "match": { "name_1": "text" } },
{ "match": { "name_2": "text" } }
],
"tie_breaker": 0,
"boost": 1
}
}
b) Каждый заголовок может храниться в эластичном виде в отдельной строке
curl -XPOST 'http://localhost:9200/tests/test' -d'{ "product_id": 1, "name": "text" }'
curl -XPOST 'http://localhost:9200/tests/test' -d'{ "product_id": 2, "name": "text" }'
curl -XPOST 'http://localhost:9200/tests/test' -d'{ "product_id": 2, "name": "text" }'
В этом случае результаты должны быть дополнительно агрегированы по product_id.Таким образом, мы получаем проблемы с разбиением на страницы результатов и дальнейшей агрегацией результатов.