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

我试图按部分单词进行搜索，忽略大小写并忽略某些字母的重音。是否可以？我认为带有默认分词器的 ngram 应该可以解决问题，但我不明白如何使用 NEST 来做到这一点。

示例：“musiic”应匹配包含“music”的记录

我使用的Elasticsearch版本是1.9。

我正在这样做，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);

Thanks,

David

简答

我想你正在寻找的是模糊查询，它使用编辑距离匹配相似单词的算法。

nGrams 的长答案

nGram 过滤器根据定义的最小/最大范围将文本分割成许多较小的标记。

例如，过滤器将根据您的“音乐”查询生成：'mu', 'us', 'si', 'ic', 'mus', 'usi', 'sic', 'musi', 'usic', and 'music'

如你看到的musiic与这些 nGram 标记中的任何一个都不匹配。

为什么选择 nGram

nGrams 的好处之一是它可以进行通配符查询显著地更快，因为所有潜在的子字符串都是在插入时预先生成和索引的（我已经看到使用 nGrams 的查询速度从几秒加速到 15 毫秒）。

如果没有 nGrams，则必须在查询时搜索每个字符串以查找匹配项 [O(n^2)]，而不是直接在索引中查找 [O(1)]。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，这是以插入速度变慢、需要更多存储空间以及占用更多内存为代价的。