跨字段实体搜索(Cross-fields Entity Search)
现在让我们看看一个常见的模式:跨字段实体搜索。类似person,product或者address这样的实体,它们的信息会分散到多个字段中。我们或许有一个person实体被索引如下:
1
2
3
4
5 1{
2 "firstname": "Peter",
3 "lastname": "Smith"
4}
5
而address实体则是像下面这样:
1
2
3
4
5
6
7 1{
2 "street": "5 Poland Street",
3 "city": "London",
4 "country": "United Kingdom",
5 "postcode": "W1V 3DG"
6}
7
这个例子也许很像在多查询字符串中描述的,但是有一个显著的区别。在多查询字符串中,我们对每个字段都使用了不同的查询字符串。在这个例子中,我们希望使用一个查询字符串来搜索多个字段。
用户也许会搜索名为"Peter Smith"的人,或者名为"Poland Street W1V"的地址。每个查询的单词都出现在不同的字段中,因此使用dis_max/best_fields查询来搜索单个最佳匹配字段显然是不对的。
一个简单的方法
实际上,我们想要依次查询每个字段然后将每个匹配字段的分值进行累加,这听起来很像bool查询能够胜任的工作:
1
2
3
4
5
6
7
8
9
10
11
12
13 1{
2 "query": {
3 "bool": {
4 "should": [
5 { "match": { "street": "Poland Street W1V" }},
6 { "match": { "city": "Poland Street W1V" }},
7 { "match": { "country": "Poland Street W1V" }},
8 { "match": { "postcode": "Poland Street W1V" }}
9 ]
10 }
11 }
12}
13
对每个字段重复查询字符串很快就会显得冗长。我们可以使用multi_match查询进行替代,然后将type设置为most_fields来让它将所有匹配字段的分值合并:
1
2
3
4
5
6
7
8
9
10 1{
2 "query": {
3 "multi_match": {
4 "query": "Poland Street W1V",
5 "type": "most_fields",
6 "fields": [ "street", "city", "country", "postcode" ]
7 }
8 }
9}
10
使用most_fields存在的问题
使用most_fields方法执行实体查询有一些不那么明显的问题:
-
它被设计用来找到匹配任意单词的多数字段,而不是找到跨越所有字段的最匹配的单词。
-
它不能使用operator或者minimum_should_match参数来减少低相关度结果带来的长尾效应。
-
每个字段的词条频度是不同的,会互相干扰最终得到较差的排序结果。