elasticsearch - 使用频率计数的前缀搜索
问题描述
在我索引文本的那一刻,我将每个单词的频率计数存储在数据库中。这很好用,因为所有搜索都基于整个单词并且所有可能的搜索都是已知的。但是现在我想添加前缀搜索的选项(搜索单词的一部分)。我可以使用以下方法从使用 elasticsearch 的前缀搜索中获取结果/命中:
GET /my_index/address/_search
{
"query": {
"prefix": {
"main_text": "word_part"
}
}
}
见:https ://www.elastic.co/guide/en/elasticsearch/guide/current/prefix-query.html
这是我当前的映射:
{
"my-index":{
"mappings":{
"doc":{
"properties":{
"keycounter":{
"properties":{
"counter": {"type":"integer"},
"keyword":{"type":"keyword"}
}
},
"main_text":{
"type":"text",
"fielddata":true
},
"main_text_keycounter":{
"properties":{
"counter":{
"type":"long"
},
"keyword":{
"type":"text",
"fields":{
"keyword":{
"type":"keyword",
"ignore_above":256
}
}
}
}
},
"time_written":{
"type":"date"
},
"translated_text":{
"type":"text",
"fielddata":true
},
}
}
}
}
}
但我不想计算我得到的每个结果的频率,因为每个文本都会花费 O(N)。是否有一些聪明的方法可以使用弹性搜索从这种类型的搜索中存储/获取频率计数?
解决方案
您可以使用 elasticsearch 的doc-termvectors功能来获取术语统计信息和术语计数。像这样,您可以使用映射存储文档并在查询时获取前缀术语的统计信息。当然,这种方法为您提供每个结果文档的术语统计信息,因此您必须为所有结果汇总它。
这是一个映射、索引文档和doc-termvectors
查询的示例。您还可以使用edge-ngram标记器来获取前缀术语的统计信息。
映射:
PUT /my-index
{
"mappings": {
"doc": {
"properties": {
"main_text": {
"type": "text",
"fielddata": true,
"term_vector": "with_positions_offsets_payloads",
"store": true
}
}
}
}
}
索引文件:
POST /my-index/doc/1
{
"main_text": "foo bar foo"
}
获取术语向量:
POST /my-index/doc/1/_termvectors
结果:
...
"terms": {
...
"foo": {
"term_freq": 2,
"tokens": [
{
"position": 0,
"start_offset": 0,
"end_offset": 3
},
{
"position": 2,
"start_offset": 8,
"end_offset": 11
}
]
}
...
编辑
如果要获取多个termvectors
文档,可以使用_mtermvectors端点。它将为您提供多个文档的统计信息。但是,它不会计算所有文档中的术语频率,正如我理解你的问题你想要的那样。作为一种解决方案,您可以将结果存储termvectors
在您的弹性(相同的索引或单独的索引)中,然后使用聚合来计算总体术语计数。
POST /my-index/doc/_mtermvectors
{
"ids": [
"1",
"2"
],
"parameters": {
"fields": [
"main_text"
],
"term_statistics": true
}
}
编辑
然后我认为解决方案是调用termvectors
所有文档并存储结果,即在另一个索引中的所有术语和子术语频率。通过根据您的搜索查询汇总结果,您将获得您想要的结果。
推荐阅读
- java - SpringBoot - 如何创建一个可以基于用户输入然后由控制器方法拾取的请求?
- html - HTML 表单控件数组
- python - 我想从另一组数字中删除一组数字并打印结果
- .net - 如何在不调整初始图像大小的情况下进行缩放功能?
- html - 列表,html中的子列表
- vue.js - 自定义指令数据无法传递给 Vue 3 中的方法
- c# - 运行时 SMTP 更改为 Twilio SendGrid DAPR 组件
- database - laravel 最大执行时间超过 60 秒 --
- python - VAEX groupby 日期时间列和另一列
- php - Woocommerce 自定义查询分页给出白色空白页