Elasticsearch-EdgeNgram +高亮+ term_vector =错误高亮

Question

当我将分析器与Edgengram（最小= 3，最大= 7，前面）+ term_vector = with_positions_offsets一起使用时

使用具有text =“ CouchDB”的文档

当我搜索“ couc”时

我的重点是“ cou”而不是“ couc”

看来我的重点只是在最小匹配令牌“ cou”上，而我希望是在精确令牌（如果可能）上或至少在找到的最长令牌上。

无需使用term_vector = with_positions_offsets分析文本即可正常工作

删除perfomances的term_vector = with_positions_offsets有什么影响？

Answer 1

当您term_vector=with_positions_offsets为特定字段设置时，这意味着您将为该字段存储每个文档的术语向量。

在突出显示时，术语向量允许您使用Lucene快速向量突出显示工具，它比标准突出显示工具快。原因是标准荧光笔没有任何快速的方法来突出显示，因为索引没有包含足够的信息（位置和偏移量）。它只能重新分析字段内容，截取偏移量和位置并根据该信息进行突出显示。这可能需要一段时间，尤其是对于长文本字段。

使用术语向量，您确实有足够的信息，不需要重新分析文本。不利之处是该指数的规模将显着增加。我必须补充一点，因为Lucene
4.2术语向量可以更好地压缩并以优化的方式存储。此外，还有新的PostingsHighlighter，它基于将偏移量存储在发布列表中的功能，该功能甚至需要更少的空间。

elasticsearch根据可用信息自动使用最佳方式进行突出显示。如果存储术语向量，它将使用快速向量荧光笔，否则使用标准荧光笔。在没有术语向量的情况下重新索引后，将使用标准荧光笔突出显示。它将较慢，但索引将较小。

关于ngram字段，所描述的行为很奇怪，因为快速矢量荧光笔应该对ngram字段有更好的支持，因此我希望得到完全相反的结果。