elasticsearch模糊匹配max_expansions和min_similarity

Question

我在项目中使用模糊匹配，主要是查找拼写错误和具有相同名称的不同拼写。我需要完全了解elasticsearch的模糊匹配如何工作以及它如何使用标题中提到的2个参数。

据我了解， min_similarity 是查询的字符串与数据库中的字符串匹配的百分比。我找不到有关此值如何计算的确切描述。

据我了解， max_expansions
是应该执行搜索的Levenshtein距离。如果这实际上是Levenshtein距离，对我来说将是理想的解决方案。无论如何，这是行不通的，例如我有“
Samvel”一词

queryStr      max_expansions         matches?
samvel        0                      Should not be 0. error (but levenshtein distance   can be 0!)
samvel        1                      Yes
samvvel       1                      Yes
samvvell      1                      Yes (but it shouldn't have)
samvelll      1                      Yes (but it shouldn't have)
saamvelll     1                      No (but for some weird reason it matches with Samvelian)
saamvelll     anything bigger than 1 No

该文档说了我实际上不理解的内容：

Add max_expansions to the fuzzy query allowing to control the maximum number 
of terms to match. Default to unbounded (or bounded by the max clause count in 
boolean query).

因此，请任何人向我解释这些参数究竟如何影响搜索结果。

Answer 1

的min_similarity是零和一之间的值。从Lucene文档中：

For example, for a minimumSimilarity of 0.5 a term of the same length 
as the query term is considered similar to the query term if the edit 
distance between both terms is less than length(term)*0.5

所谓的“编辑距离”是Levenshtein距离。

该查询在内部工作的方式是：

• 当考虑min_similarity到时，它将查找索引中存在的所有可能与搜索词匹配的词
• 然后搜索所有这些术语。

您可以想象此查询可能有多繁重！

为了解决这个问题，您可以设置max_expansions参数以指定应考虑的最大匹配词数。