白话Elasticsearch23-深度探秘搜索技术之通过ngram分词机制实现index-time搜索推荐

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
简介: 白话Elasticsearch23-深度探秘搜索技术之通过ngram分词机制实现index-time搜索推荐

20190806092132811.jpg

概述


继续跟中华石杉老师学习ES,第23篇

课程地址: https://www.roncoo.com/view/55


官网


NGram Tokenizer

https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-ngram-tokenizer.html

2019080200262035.png


NGram Token Filter:

https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-ngram-tokenfilter.html


20190802002340531.png

Edge NGram Tokenizer:

https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-edgengram-tokenizer.html

20190802002552889.png


Edge NGram Token Filter:

https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-edgengram-tokenfilter.html


20190802002534115.png

什么是ngram

什么是ngram

假设有个单词quick,5种长度下的ngram

ngram length=1,会被拆成 q u i c k
ngram length=2,会被拆成 qu ui ic ck
ngram length=3,会被拆成 qui uic ick
ngram length=4,会被拆成 quic uick
ngram length=5,会被拆成 quick


其中任意一个被拆分的部分 就被称为ngram 。


什么是edge ngram

quick,anchor首字母后进行ngram

q
qu
qui
quic
quick


上述拆分方式就被称为edge ngram


使用edge ngram将每个单词都进行进一步的分词切分,用切分后的ngram来实现前缀搜索推荐功能

举个例子 两个doc

doc1 hello world

doc2 hello we


使用edge ngram拆分


h

he

hel

hell

hello -------> 可以匹配 doc1,doc2


w -------> 可以匹配 doc1,doc2

wo

wor

worl

world

e ---------> 可以匹配 doc2


使用hello w去搜索

hello --> hello,doc1

w --> w,doc1

doc1中hello和w,而且position也匹配,所以,ok,doc1返回,hello world


ngram和index-time搜索推荐原理


搜索的时候,不用再根据一个前缀,然后扫描整个倒排索引了,而是简单的拿前缀去倒排索引中匹配即可,如果匹配上了,那么就好了,就和match query全文检索一样


例子

PUT /my_index
{
    "settings": {
        "analysis": {
            "filter": {
                "autocomplete_filter": { 
                    "type":     "edge_ngram",
                    "min_gram": 1,
                    "max_gram": 20
                }
            },
            "analyzer": {
                "autocomplete": {
                    "type":      "custom",
                    "tokenizer": "standard",
                    "filter": [
                        "lowercase",
                        "autocomplete_filter" 
                    ]
                }
            }
        }
    }
}


helloworld

设置

min ngram = 1
max ngram = 3

使用edge_ngram ,则会被拆分为一下 ,

h
he
hel



20190802010143522.png



知识点: autocomplete

https://www.elastic.co/guide/en/elasticsearch/reference/current/search-analyzer.html

20190802002821910.png


GET /my_index/_analyze
{
  "analyzer": "autocomplete",
  "text": "helll world"
}

20190802005453978.png

设置mapping , 查询的时候还是使用standard

PUT /my_index/_mapping/my_type
{
  "properties": {
      "title": {
          "type":     "text",
          "analyzer": "autocomplete",
          "search_analyzer": "standard"
      }
  }
}


造数据

PUT /my_index/my_type/1
{
  "content":"hello Jack"
}
PUT /my_index/my_type/2
{
  "content":"hello John"
}
PUT /my_index/my_type/3
{
  "content":"hello Jose"
}

查询

GET /my_index/my_type/_search 
{
  "query": {
    "match": {
      "content": "hello J"
    }
  }
}

返回:

{
  "took": 7,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 3,
    "max_score": 0.2876821,
    "hits": [
      {
        "_index": "my_index",
        "_type": "my_type",
        "_id": "2",
        "_score": 0.2876821,
        "_source": {
          "content": "hello John"
        }
      },
      {
        "_index": "my_index",
        "_type": "my_type",
        "_id": "1",
        "_score": 0.2876821,
        "_source": {
          "content": "hello Jack"
        }
      },
      {
        "_index": "my_index",
        "_type": "my_type",
        "_id": "3",
        "_score": 0.2876821,
        "_source": {
          "content": "hello Jose"
        }
      }
    ]
  }
}



  • 如果用match,只有hello的也会出来,全文检索,只是分数比较低
  • 推荐使用match_phrase,要求每个term都有,而且position刚好靠着1位,符合我们的期望的
相关实践学习
使用阿里云Elasticsearch体验信息检索加速
通过创建登录阿里云Elasticsearch集群,使用DataWorks将MySQL数据同步至Elasticsearch,体验多条件检索效果,简单展示数据同步和信息检索加速的过程和操作。
ElasticSearch 入门精讲
ElasticSearch是一个开源的、基于Lucene的、分布式、高扩展、高实时的搜索与数据分析引擎。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr(也是基于Lucene)。 ElasticSearch的实现原理主要分为以下几个步骤: 用户将数据提交到Elastic Search 数据库中 通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据 当用户搜索数据时候,再根据权重将结果排名、打分 将返回结果呈现给用户 Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索,具有接近实时的搜索,并支持多租户。
相关文章
|
1月前
|
存储 自然语言处理 BI
|
1月前
|
自然语言处理 大数据 应用服务中间件
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
61 5
|
1月前
|
自然语言处理 Java 网络架构
elasticsearch学习三:elasticsearch-ik分词器的自定义配置 分词内容
这篇文章是关于如何自定义Elasticsearch的ik分词器配置以满足特定的中文分词需求。
125 0
elasticsearch学习三:elasticsearch-ik分词器的自定义配置 分词内容
|
1月前
|
存储 运维 监控
Elasticsearch Serverless 高性价比智能日志分析关键技术解读
本文解析了Elasticsearch Serverless在智能日志分析领域的关键技术、优势及应用价值。
Elasticsearch Serverless 高性价比智能日志分析关键技术解读
|
10天前
|
存储 缓存 固态存储
Elasticsearch高性能搜索
【11月更文挑战第1天】
29 6
|
9天前
|
API 索引
Elasticsearch实时搜索
【11月更文挑战第2天】
23 1
|
20天前
|
测试技术 API 开发工具
ElasticSearch的IK分词器
ElasticSearch的IK分词器
43 7
|
1月前
|
人工智能
云端问道12期-构建基于Elasticsearch的企业级AI搜索应用陪跑班获奖名单公布啦!
云端问道12期-构建基于Elasticsearch的企业级AI搜索应用陪跑班获奖名单公布啦!
172 2
|
1月前
|
Web App开发 JavaScript Java
elasticsearch学习五:springboot整合 rest 操作elasticsearch的 实际案例操作,编写搜索的前后端,爬取京东数据到elasticsearch中。
这篇文章是关于如何使用Spring Boot整合Elasticsearch,并通过REST客户端操作Elasticsearch,实现一个简单的搜索前后端,以及如何爬取京东数据到Elasticsearch的案例教程。
174 0
elasticsearch学习五:springboot整合 rest 操作elasticsearch的 实际案例操作,编写搜索的前后端,爬取京东数据到elasticsearch中。
|
1月前
|
存储 JSON Java
elasticsearch学习一:了解 ES,版本之间的对应。安装elasticsearch,kibana,head插件、elasticsearch-ik分词器。
这篇文章是关于Elasticsearch的学习指南,包括了解Elasticsearch、版本对应、安装运行Elasticsearch和Kibana、安装head插件和elasticsearch-ik分词器的步骤。
117 0
elasticsearch学习一:了解 ES,版本之间的对应。安装elasticsearch,kibana,head插件、elasticsearch-ik分词器。