以字段为中心的查询(Field-centric Queries)
上述提到的三个问题都来源于most_fields是以字段为中心(Field-centric)，而不是以词条为中心(Term-centric)：它会查询最多匹配的字段(Most matching fields)，而我们真正感兴趣的最匹配的词条(Most matching terms)。
NOTE
best_fields同样是以字段为中心的，因此它也存在相似的问题。
首先我们来看看为什么存在这些问题，以及如何解决它们。
问题1：在多个字段中匹配相同的单词
考虑一下most_fields查询是如何执行的：ES会为每个字段生成一个match查询，让后将它们包含在一个bool查询中。
我们可以将查询传入到validate-query API中进行查看：
2
3
4
5
6
7
8
9
10
11
2{
3 "query": {
4 "multi_match": {
5 "query": "Poland Street W1V",
6 "type": "most_fields",
7 "fields": [ "street", "city", "country", "postcode" ]
8 }
9 }
10}
11
它会产生下面的解释(explaination)：
(street:poland street:street street:w1v) (city:poland city:street city:w1v) (country:poland country:street country:w1v) (postcode:poland postcode:street postcode:w1v)
你可以发现能够在两个字段中匹配poland的文档会比在一个字段中匹配了poland和street的文档的分值要高。
问题2：减少长尾
在精度控制(Controlling Precision)一节中，我们讨论了如何使用and操作符和minimum_should_match参数来减少相关度低的文档数量：
2
3
4
5
6
7
8
9
10
11
2 "query": {
3 "multi_match": {
4 "query": "Poland Street W1V",
5 "type": "most_fields",
6 "operator": "and",
7 "fields": [ "street", "city", "country", "postcode" ]
8 }
9 }
10}
11
但是，使用best_fields或者most_fields，这些参数会被传递到生成的match查询中。该查询的解释如下(译注：通过validate-query API)：
(+street:poland +street:street +street:w1v) (+city:poland +city:street +city:w1v) (+country:poland +country:street +country:w1v) (+postcode:poland +postcode:street +postcode:w1v)
换言之，使用and操作符时，所有的单词都需要出现在相同的字段中，这显然是错的！这样做可能不会有任何匹配的文档。
问题3：词条频度
在什么是相关度(What is Relevance)一节中，我们解释了默认用来计算每个词条的相关度分值的相似度算法TF/IDF：
词条频度(Term Frequency)
2
3
2
3
倒排文档频度(Inverse Document Frequency)
2
3
2
3
当通过多字段进行搜索时，TF/IDF会产生一些令人惊讶的结果。
考虑使用first_name和last_name字段搜索"Peter Smith"的例子。Peter是一个常见的名字，Smith是一个常见的姓氏 – 它们的IDF都较低。但是如果在索引中有另外一个名为Smith Williams的人呢？Smith作为名字是非常罕见的，因此它的IDF值会很高！
像下面这样的一个简单查询会将Smith Williams放在Peter Smith前面(译注：含有Smith Williams的文档分值比含有Peter Smith的文档分值高)，尽管Peter Smith明显是更好的匹配：
2
3
4
5
6
7
8
9
10
2 "query": {
3 "multi_match": {
4 "query": "Peter Smith",
5 "type": "most_fields",
6 "fields": [ "*_name" ]
7 }
8 }
9}
10
smith在first_name字段中的高IDF值会压倒peter在first_name字段和smith在last_name字段中的两个低IDF值。
解决方案
这个问题仅在我们处理多字段时存在。如果我们将所有这些字段合并到一个字段中，该问题就不复存在了。我们可以向person文档中添加一个full_name字段来实现：
2
3
4
5
6
2 "first_name": "Peter",
3 "last_name": "Smith",
4 "full_name": "Peter Smith"
5}
6
当我们只查询full_name字段时：
- 拥有更多匹配单词的文档会胜过那些重复出现一个单词的文档。
- minimum_should_match和operator参数能够正常工作。
- first_name和last_name的倒排文档频度会被合并，因此smith无论是first_name还是last_name都不再重要。
尽管这种方法能工作，可是我们并不想存储冗余数据。因此，ES为我们提供了两个解决方案 – 一个在索引期间，一个在搜索期间。下一节对它们进行讨论。
