5.6 建议器 (Suggesters)

文档摘要

5.6 建议器 (Suggesters) Elasticsearch 核心操作：搜索与查询 - 5.6 建议器 (Suggesters) 建议器 (Suggesters) 是 Elasticsearch 提供的一项强大的功能，用于提供自动完成（autocomplete）或“您是不是要找” (did-you-mean) 功能。它们允许用户在输入查询时获得实时建议，从而提高搜索体验并减少搜索错误。 5.6.1 建议器的类型 Elasticsearch 提供了多种类型的建议器，每种类型都针对不同的使用场景进行了优化： Term Suggester: 基于单个词项 (term) 给出建议。它会分析输入的词项，并根据编辑距离（例如 Levenshtein 距离）找到相似的词项。适用于简单的拼写纠正。

5.6 建议器 (Suggesters)

5. Elasticsearch 核心操作：搜索与查询 - 5.6 建议器 (Suggesters)

建议器 (Suggesters) 是 Elasticsearch 提供的一项强大的功能，用于提供自动完成（autocomplete）或“您是不是要找” (did-you-mean) 功能。它们允许用户在输入查询时获得实时建议，从而提高搜索体验并减少搜索错误。

5.6.1 建议器的类型

Elasticsearch 提供了多种类型的建议器，每种类型都针对不同的使用场景进行了优化：

Term Suggester: 基于单个词项 (term) 给出建议。它会分析输入的词项，并根据编辑距离（例如 Levenshtein 距离）找到相似的词项。适用于简单的拼写纠正。
Phrase Suggester: 基于整个短语给出建议。它会考虑词项的上下文，并尝试找到更正后的短语，而不是单个词项。适用于更复杂的拼写纠正和自动完成。
Completion Suggester: 专为自动完成而设计。它使用前缀匹配，并针对速度进行了优化。它需要在索引时进行特殊配置，以构建高效的查找结构。
Context Suggester: 允许根据上下文过滤建议。例如，可以根据用户的位置、类别或任何其他相关信息来限制建议。

5.6.2 Term Suggester 详解与实践

Term Suggester 是最基本的建议器。它通过计算输入词项与索引中词项之间的编辑距离来工作。

代码示例：

首先，创建一个包含一些文档的索引：


PUT /my_index
{
  "mappings": {
    "properties": {
      "text": {
        "type": "text"
      }
    }
  }
}
POST /my_index/_doc?refresh=true
{ "text": "Elasticsearch is a search engine." }
POST /my_index/_doc?refresh=true
{ "text": "I love searching with Elasticsearch." }
POST /my_index/_doc?refresh=true
{ "text": "Elastic search is awesome." }

然后，使用 Term Suggester 进行建议：


POST /my_index/_search
{
  "suggest": {
    "my_suggestion": {
      "text": "elasticserch",
      "term": {
        "field": "text"
      }
    }
  }
}

响应示例：


{
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "suggest": {
    "my_suggestion": [
      {
        "text": "elasticserch",
        "offset": 0,
        "length": 12,
        "options": [
          {
            "text": "elasticsearch",
            "score": 0.90909094,
            "freq": 2
          }
        ]
      }
    ]
  }
}

参数详解：

text: 用户输入的文本。
term: 指定使用 Term Suggester。
field: 要从中提取词项的字段。
options: 包含建议的词项，score 表示相似度，freq 表示词项在索引中出现的频率。

Term Suggester 的更多选项：

size: 要返回的最大建议数量（默认值为 5）。
sort: 排序方式，可以是 score（默认）或 frequency。
suggest_mode: 指定如何选择建议。可以是 missing (只在没有完全匹配时建议), popular (只建议比原始词项更常见的词项), 或 always (总是建议)。
max_edits: 编辑距离的最大值，默认是2。
prefix_length: 词条需要匹配的前缀最小长度，默认是1。

5.6.3 Phrase Suggester 详解与实践

Phrase Suggester 考虑了词项的上下文，并尝试提供更正后的短语。它比 Term Suggester 更复杂，但也更强大。

代码示例：


POST /my_index/_search
{
  "suggest": {
    "my_suggestion": {
      "text": "elastic serch engine",
      "phrase": {
        "field": "text"
      }
    }
  }
}

响应示例：


{
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "suggest": {
    "my_suggestion": [
      {
        "text": "elastic serch engine",
        "offset": 0,
        "length": 19,
        "options": [
          {
            "text": "elasticsearch search engine",
            "score": 0.07407407,
            "highlighted": "<em>elasticsearch</em> search engine"
          }
        ]
      }
    ]
  }
}

参数详解：

text: 用户输入的文本。
phrase: 指定使用 Phrase Suggester。
field: 要从中提取短语的字段。
highlighted: 突出显示建议中与输入不同的部分。

Phrase Suggester 的更多选项：

gram_size: 用于构建短语的词条数量，默认是1。
real_word_error_likelihood: 一个词条拼写错误的概率，默认是0.95。
confidence: 只有当建议的得分至少是原始短语的 confidence 倍时，才返回建议。默认值为 1.0。
max_errors: 允许的最大错误数。
separator:用于分割短语的字符，默认是空格。

Phrase Suggester 使用更复杂的算法，因此性能可能比 Term Suggester 差。

5.6.4 Completion Suggester 详解与实践

Completion Suggester 专为自动完成而设计。它使用前缀匹配，并针对速度进行了优化。

代码示例：

首先，需要创建一个特殊的映射，其中包含 completion 类型的字段：


PUT /my_index
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text"
      },
      "suggest": {
        "type": "completion",
        "analyzer": "standard",
        "search_analyzer": "standard"
      }
    }
  }
}

然后，添加一些文档：


POST /my_index/_doc?refresh=true
{
  "title": "Elasticsearch Complete Guide",
  "suggest": {
    "input": ["Elasticsearch Complete Guide", "Elasticsearch Guide", "Complete Guide"],
    "weight": 1
  }
}
POST /my_index/_doc?refresh=true
{
  "title": "Elasticsearch Definitive Guide",
  "suggest": {
    "input": ["Elasticsearch Definitive Guide", "Definitive Guide"],
    "weight": 2
  }
}

现在，可以使用 Completion Suggester 进行建议：


POST /my_index/_search
{
  "suggest": {
    "my_suggestion": {
      "prefix": "elastic",
      "completion": {
        "field": "suggest",
        "fuzzy": {
          "fuzziness": "AUTO"
        }
      }
    }
  }
}

响应示例：


{
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "suggest": {
    "my_suggestion": [
      {
        "text": "elastic",
        "offset": 0,
        "length": 7,
        "options": [
          {
            "text": "Elasticsearch Definitive Guide",
            "_index": "my_index",
            "_id": "l649Ho0B6w3o_r9w0X-0",
            "_score": 2.0,
            "_source": {
              "title": "Elasticsearch Definitive Guide",
              "suggest": {
                "input": [
                  "Elasticsearch Definitive Guide",
                  "Definitive Guide"
                ],
                "weight": 2
              }
            }
          },
          {
            "text": "Elasticsearch Complete Guide",
            "_index": "my_index",
            "_id": "lK49Ho0B6w3o_r9w0X-0",
            "_score": 1.0,
            "_source": {
              "title": "Elasticsearch Complete Guide",
              "suggest": {
                "input": [
                  "Elasticsearch Complete Guide",
                  "Elasticsearch Guide",
                  "Complete Guide"
                ],
                "weight": 1
              }
            }
          }
        ]
      }
    ]
  }
}

参数详解：

prefix: 用户输入的前缀。
completion: 指定使用 Completion Suggester。
field: completion 类型的字段。
fuzzy: 允许模糊匹配。

Completion Suggester 的更多选项：

size: 要返回的最大建议数量（默认值为 5）。
fuzzy: 模糊选项，允许模糊匹配。
contexts: 使用上下文过滤建议。

Completion Suggester 提供了最佳的自动完成性能，但需要在索引时进行特殊配置。

5.6.5 Context Suggester 详解

Context Suggester 允许你基于上下文信息过滤建议。这对于根据用户的位置、类别或其他相关属性提供个性化建议非常有用。

代码示例：

假设我们有一个包含书籍信息的索引，并且我们想要根据书籍的类别提供建议。

首先，创建索引和映射：


PUT /books
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text"
      },
      "category": {
        "type": "keyword"
      },
      "suggest": {
        "type": "completion",
        "contexts": [
          {
            "name": "category",
            "type": "category"
          }
        ]
      }
    }
  }
}

然后，添加一些文档：


POST /books/_doc?refresh=true
{
  "title": "The Lord of the Rings",
  "category": "fantasy",
  "suggest": {
    "input": "The Lord of the Rings",
    "contexts": {
      "category": "fantasy"
    }
  }
}
POST /books/_doc?refresh=true
{
  "title": "A Game of Thrones",
  "category": "fantasy",
  "suggest": {
    "input": "A Game of Thrones",
    "contexts": {
      "category": "fantasy"
    }
  }
}
POST /books/_doc?refresh=true
{
  "title": "The Martian",
  "category": "science_fiction",
  "suggest": {
    "input": "The Martian",
    "contexts": {
      "category": "science_fiction"
    }
  }
}

现在，可以使用 Context Suggester 进行建议：


POST /books/_search
{
  "suggest": {
    "my_suggestion": {
      "prefix": "the",
      "completion": {
        "field": "suggest",
        "contexts": {
          "category": "fantasy"
        }
      }
    }
  }
}

这将只返回类别为 "fantasy" 的书籍的建议。

参数详解：

contexts: 一个对象，其中键是上下文的名称，值是上下文的值。

5.6.6 Suggester 的选择

选择哪种 Suggester 取决于你的具体需求：

对于简单的拼写纠正，Term Suggester 可能就足够了。
对于更复杂的拼写纠正和自动完成，Phrase Suggester 是一个不错的选择。
对于高性能的自动完成，Completion Suggester 是最佳选择。
对于需要根据上下文进行过滤的场景，Context Suggester 非常有用。

5.6.7 总结

Elasticsearch 的 Suggester 提供了一种强大的方式来改进搜索体验。通过选择合适的 Suggester 并正确配置它，你可以为用户提供准确、相关的建议，从而提高搜索效率和用户满意度。

5.6.8 Suggester流程图

作者与出处

原作者：灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/206-elasticsearch%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E%E5%AE%9E%E6%88%98%E6%95%99%E7%A8%8B

整理：灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流