Elasticsearch Edgrams偏好较短的术语

Question

我喜欢从Elasticsearch得到的结果，使用Edge-NGrams索引数据，并使用不同的分析器进行搜索。然而，我更希望匹配的较短术语比较长术语排名更高。

例如，以术语ABC100和ABC100xxx为例。如果我使用术语abc执行查询，我会以相同的得分返回这两个文档。我希望ABC100的得分高于ABC100xxx，因为ABCcloser与ABC100的匹配类似于Levenshtein距离算法。

设置索引：

PUT stackoverflow
{
    "settings": {
        "index": {
            "number_of_replicas": 0,
            "number_of_shards": 1
        },
        "analysis": {  
            "filter": {
                "edge_ngram": {
                    "type": "edgeNGram",
                    "min_gram": "1",
                    "max_gram": "20"
                }
            },

            "analyzer": {
              "my_analyzer": {
                "type": "custom",
                "tokenizer": "whitespace",
                "filter": [
                  "edge_ngram"
                ]
              }
            }
        }
    },

    "mappings": {
        "doc": {
            "properties": {
                "product": {
                  "type": "text",
                  "analyzer": "my_analyzer",
                  "search_analyzer": "whitespace"
                }
            }
        }
    }
}

插入文档：

PUT stackoverflow/doc/1
{
    "product": "ABC100"
}

PUT stackoverflow/doc/2
{
    "product": "ABC100xxx"
}

搜索查询：

GET stackoverflow/_search?pretty
{
  "query": {
    "match": {
      "product": "ABC"
    }
  }
}

结果：

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 2,
    "max_score": 0.28247002,
    "hits": [
      {
        "_index": "stackoverflow",
        "_type": "doc",
        "_id": "2",
        "_score": 0.28247002,
        "_source": {
          "product": "ABC100xxx"
        }
      },
      {
        "_index": "stackoverflow",
        "_type": "doc",
        "_id": "1",
        "_score": 0.28247002,
        "_source": {
          "product": "ABC100"
        }
      }
    ]
  }
}

有谁知道我是如何将ABC100等较短的术语排在ABC100xxx之前的吗？

Answer 1

在找到了大量关于将字段长度存储为字段或使用脚本查询的不太理想的解决方案后，我找到了问题的根源。这只是因为我使用了edge_ngrams标记过滤器而不是edge_ngrams标记器。