Elasticsearch如何進(jìn)行詞語擴(kuò)展引入？

進(jìn)行詞語擴(kuò)展引入的問題我們?cè)诖私鉀Q

首先看下效果

GET /operation/_search
{
  "query": {
    "match": {
      "store_name": "凱悅"
    }
  }
}

結(jié)果

{
  "took" : 38,
  "timed_out" : false,
  "_shards" : {
    "total" : 3,
    "successful" : 3,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 0,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  }
}

此時(shí)的分詞器對(duì)凱悅二字的分詞如下

{
  "tokens" : [
    {
      "token" : "凱悅",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    }
  ]
}

因?yàn)槲覀兊乃饕趧?chuàng)建的時(shí)候凱悅詞語還沒有被擴(kuò)展，所以創(chuàng)建索引的時(shí)候分詞器會(huì)把凱悅分成凱和悅兩個(gè)字，而此時(shí)分詞器將凱悅分詞成一個(gè)詞語凱悅，故而無法搜索到任何文檔。

解決思路一：

首先想到的是重建索引，因?yàn)榇藭r(shí)分詞器詞典中已經(jīng)有了凱悅這個(gè)詞語，然后在全量復(fù)制文檔到新的索引中，如果是數(shù)據(jù)量不大的情況下是可以快速遷移，如果數(shù)據(jù)量大的話不建議這樣做，然而有些情況可能只是部分文檔與要擴(kuò)展詞語相關(guān)，所以這個(gè)方法比較笨拙，不建議使用。

解決思路二：

通過Elasticsearch官方提供的API接口update_by_query可以將與凱悅相關(guān)的文檔重新分詞

具體操作如下

POST /operation/_update_by_query
{
  "query": {
    "bool": {
      "must": [
        {"term": {"store_name": "凱"}},
        {"term": {"store_name": "悅"}}
      ]
    }
  }
}

意思是必須滿足如上兩個(gè)條件的文檔才會(huì)被檢索到并進(jìn)行分詞修改，即文檔名稱同時(shí)包含凱和悅才被重新分詞

執(zhí)行結(jié)果

{
  "took" : 240,
  "timed_out" : false,
  "total" : 4,
  "updated" : 4,
  "deleted" : 0,
  "batches" : 1,
  "version_conflicts" : 0,
  "noops" : 0,
  "retries" : {
    "bulk" : 0,
    "search" : 0
  },
  "throttled_millis" : 0,
  "requests_per_second" : -1.0,
  "throttled_until_millis" : 0,
  "failures" : [ ]
}

可以看到有四條文檔被修改

再次通過凱悅搜索此時(shí)就沒有質(zhì)保含凱或悅的文檔出現(xiàn)了