全文搜索

我们通过前文的简单样例，已经了解了结构化数据的条件搜索；如今。让我们来了解全文搜索-- 如何通过匹配全部域的文本找到最相关的文章。

关于全文搜索有两个最重要的方面：

相似度计算

通过TF/IDF (see [relevance-intro])，地理位置接近算法。模糊相似度算法或者其它算法，用来给给定查询条件的结果排序。

文本分析

通过把文本分割和归一化后的词元。去(a)生成倒排索引，或者去(b)查询倒排索引。

当我们在讨论相似度计算和文本分析的时候，我们仅仅是在讨论查询。而不是过滤

词条搜索 vs. 全文搜索

即使全部的查询都要运行一些相似度排序，可是不是全部的查询条件都须要文本分析。 由于有些特殊的查询就不是在文本上运行的，列如bool和function_score。

它们是boolean查询和数值查询。文本查询能够分为两个种类：

词条查询

低级别的term和fuzzy查询没有文本分析，它们仅仅是在单个词条上查询。列如词条"Foo"的term查询，

是在倒排索引种查找全然匹配的词条，然后给每一篇包括这个词条的文章做TF/IDF相似度打分。

记住：词条"Foo"的term查询仅仅是在倒排索引里查找全然匹配的词条，它不会匹配到"foo"或者"FOO"。

当你在not_analyzed的域用["Foo","Bar"]生成索引。或者在用whitespace分析器的域用"Foo

Bar"生成索引。 它们都会在倒排索引里生成两个词元"Foo"和"Bar"。

全文查询

高级别的match和query_string查询可以理解这些域的映射：

* 假设在date和integer属性的域，查询文本会被当日期或者整数来对待。

* 假设在(not_analyzed)属性的文本域，查询文本会被当做一个词条来查询。 * 可是，假设在(analyzed)属性的文本域，查询文本会用恰当得分析器去产生词条。而这些词条都会被用来查询。

一旦查询得到这些词条。它就用适当的低级查询去运行每个词条，然后用查询结果计算每一篇文章的相似度打分。 我们将在后面的章节中具体介绍这个过程。

通常。你差点儿都不会直接用到基于词元的查询，很多其它的，你会用更方便的高级全文查询(事实上内部是用基于词元的查询)

当你想在not_analyzed域查询全然匹配值的时候，你应该考虑一下你究竟是用查询还是过滤。 由于单词条查询通常被表示为二元值yes|no，所以过滤能更好的表达它们。你能从这里收益的 filter

caching:

GET /_search

{

"query": {

"filtered": {

"filter": {

"term": { "gender": "female" }

}

}

}

}

博客已搬家

原文链接：http://www.callmer.com/?p=43

查看原文