18.match_phrase的用法

主要知识点：

• match_phrase的使用场景
• match_phrase的用法
• match_phrase的原理

 
 

一、什么是近似匹配

　match_phrase的使用场景

现假设有两个句子

 
 

１、java is my favourite programming language, and I also think spark is a very good big data system.

２、java spark are very related, because scala is spark's programming language and scala is also based on jvm like java.

 
 

进行match query，ｑｕｅｒｙ语法如下：

{

＂ｑｕｅｒｙ＂：｛

"match": {

"content": "java spark"

}

｝

}

match query进行搜索，只能搜索到包含java或spark的document，包含java和spark的doc都会被返回回来。现在假如说我们要实现以下三个需求：

1、java spark，就靠在一起，中间不能插入任何其他字符，就要搜索出来这种doc

2、java spark，但是要求，java和spark两个单词靠的越近，doc的分数越高，排名越靠前

３、我们搜索时，文档中必须包含java spark这两个文档，且他们之间的距离不能超过５，

要实现上述三个需求，用match做全文检索，是搞不定的，必须得用proximity match（近似匹配），proximity match分两种，短语匹配（phrase match）和近似匹配（proximity match）。这一讲，要学习的是phrase match，就是仅仅搜索出java和spark靠在一起的那些doc，比如有个doc，是java use'd spark，这就不是结果。

 
 

 
 

二、match_phrase的用法

　　phrase match，就是要去将多个term作为一个短语，一起去搜索，只有包含这个短语的doc才会作为结果返回。match是只在包含其中任何一个分词就返回。

１、match语法：

 
 

GET /forum/article/_search

{

"query": {

"match": {

"content": "java spark"

}

}

}

 
 

单单包含java的doc也返回了，不是我们想要的结果

 
 

２、改一个数据，将一个doc的content设置为恰巧包含java spark这个短语，以方便搜索

POST /forum/article/5/_update

{

"doc": {

"content": "spark is best big data solution based on scala ,an programming language similar to java spark"

}

}

 
 

３、match_phrase语法

 
 

GET /forum/article/_search

{

"query": {

"match_phrase": {

"content": "java spark"

}

}

}

 
 

结果只返回了最后我们修改的那个ｄｏｃ，只包含java或ｓｐａｒｋ的doc不会返回

 
 

三、match_phrase的原理

 
 

１、理解term position

ｅｓ分词器在分词做倒排索引时，会记录下每个分词在对应的ｄｏｃ中的位置（position）

比如有下面两个ｄｏｃ＞

doc1：hello world, java spark                

doc2：hi, spark java                                

做倒排索引时：

hello                 doc1(0)                

wolrd                doc1(1)

java                　　　doc1(2) 　doc2(2)

spark                doc1(3) 　doc2(1)

（）中表示位置。可以通过以下语句进行查看。

 
 

GET _analyze

{

"text": "hello world, java spark",

"analyzer": "standard"

}

２、match_phrase的基本原理

 
 

match_phrase执行过程：

１.如ｍａｔｃｈ搜索一样进行分词，

２.对分词后的单词到ｆｉｅｌｄ中去进行搜索。这一步返回每个单词对应的ｄｏｃ，并返回这些单词在对应的ｄｏｃ中的位置，

３.对返回的ｄｏｃ进行第一步的筛选，找到每个单词都在同一个ｆｉｅｌｄ的ｄｏｃ。

４.对第３步进行筛选后的ｄｏｃ进行再一次的筛选，选回位置符合要求的ｄｏｃ。比如，对于match_phrase，就是找到后一个单词的位置比前一个单词的位置大１。

５．proximity match原理一样，只是第四位对位置进行筛选时的方法不同。