c# – 使用NEST的Elasticsearch：如何配置分析器来查找部分单词？

2023年3月26日 278次阅读

我试图通过部分单词进行搜索,忽略套管并忽略某些字母的重点.可能吗？我认为ngram与默认的tokenizer应该做的伎俩,但我不明白如何使用NEST.

示例：“musiic”应匹配具有“音乐”的记录

我使用的Elasticsearch版本是1.9.

我这样做但它不起作用……

var ix = new IndexSettings();
        ix.Add("analysis",
            @"{
               'index_analyzer' : {
                          'my_index_analyzer' : {
                                        'type' : 'custom',
                                        'tokenizer' : 'standard',
                                        'filter' : ['lowercase', 'mynGram']
                          }
               },
               'search_analyzer' : {
                          'my_search_analyzer' : {
                                        'type' : 'custom',
                                        'tokenizer' : 'standard',
                                        'filter' : ['standard', 'lowercase', 'mynGram']
                          }
               },
               'filter' : {
                        'mynGram' : {
                                   'type' : 'nGram',
                                   'min_gram' : 2,
                                   'max_gram' : 50
                        }
               }
    }");
        client.CreateIndex("sample", ix);

谢谢,

大卫

最佳答案 简答

我认为你要找的是fuzzy query,它使用Levenshtein distance算法来匹配相似的单词.

关于nGrams的长篇答案

nGram过滤器根据定义的最小/最大范围将文本拆分为许多较小的标记.

例如,根据您的“音乐”查询,过滤器将生成：
‘mu’,’us’,’si’,’ic’,’mus’,’usi’,’sic’,’musi’,’usic’和’music’

正如你所看到的,musiic与这些nGram令牌中的任何一个都不匹配.

为什么nGrams

nGrams的一个好处是它使得通配符查询明显更快,因为所有潜在的子串都是在插入时预生成和索引的(我已经看到使用nGrams查询从几秒加速到15毫秒).

如果没有nGrams,必须在查询时搜索每个字符串以匹配[O(n ^ 2)],而不是直接在索引[O(1)]中查找.作为伪代码：

hits = []
foreach string in index:
    if string.substring(query):
        hits.add(string)
return hits

VS

return index[query]

请注意,这是以降低插入速度,需要更多存储空间和更大内存使用为代价的.

点赞