在弹性5.4中选择正确的令牌管理器进行仿真包含类似的查询

Question

我正在使用Elastic 5.4实现类似建议/完成的功能，并且在为我的需求选择正确的标记器时面临问题。下面的例子是：

本索引共有4份文件，内容如下：

博士1：掌声

DOC 2：苹果

医生3：它是一个苹果

DOC 4：应用

文件5：有一个申请

查询

查询1:查询字符串“App”应返回所有5个文档。

查询2：查询字符串“Apple”应仅返回文档2和文档3。

查询3：查询字符串html" target="_blank">应用程序应该只返回文档4。

查询4：查询字符串appl应该返回所有5个文档。

分词器

我在Elastic中使用以下标记器，我看到查询2和查询3返回的所有文档。

分析器应用于“文本”类型的字段。

"settings": {
    "analysis": {
      "analyzer": {
        "my_ngram_analyzer": {
          "tokenizer": "my_ngram_tokenizer"
        }
      },
      "tokenizer": {
        "my_ngram_tokenizer": {
          "type": "ngram",
          "min_gram": "3",
          "max_gram": "3",
          "token_chars": [
            "letter",
            "digit"
          ]
        }
      }
    }
  }

如何将结果限制为返回包含查询字符串精确匹配的文档（作为现有单词或短语或精确单词的一部分）（我已经提到预期结果在上面的查询中提供）？

Answer 1

这是因为您使用的是nGramtokenizer，而不是edgeNGramone。后者只索引前缀，而前者将索引前缀、后缀以及数据的子部分。

将您的analyzer定义改为此，它应按预期工作：

"settings": {
    "analysis": {
      "analyzer": {
        "my_ngram_analyzer": {
          "tokenizer": "my_ngram_tokenizer"
        }
      },
      "tokenizer": {
        "my_ngram_tokenizer": {
          "type": "edge_ngram",          <---- change this
          "min_gram": "3",
          "max_gram": "3",
          "token_chars": [
            "letter",
            "digit"
          ]
        }
      }
    }
  }