[英]Matching across Multiple documents with ElasticSearch
我对ElasticSearch比较陌生。 我将其用作pdf文档的搜索平台。 我将PDF分为文本页面,然后将每个页面作为带有相应页面ID,父信息等的elasticSearch记录输入。
我发现困难的是不仅将给定查询匹配到ES中的单个文档,还要使其匹配具有相同父ID的任何文档。 因此,如果搜索两个术语,并且该术语存在于实际PDF文档的第1页和第7页(在ES中有2个单独的条目),我想匹配此结果。
本质上,我的目标是能够搜索单个PDF的多个页面,在PDF中的任何文档页面上进行匹配,并为搜索结果返回匹配的PDF文档列表,而不是匹配“页面” ”
您将需要在页面上使用“ has_child”查询。 我假设您已经为文档和页面的父/子关系定义了映射。 然后,您可以编写一个“ has_child”查询来搜索页面(子类型),但返回PDF文档(父类型):
{
"query": {
"has_child": {
"type": "your_pages_type",
"score_type": "max", // read document for more
"query": {
"query_string": {
"query": "some text to search",
"fields": [
"your_pages_body"
],
"default_operator": "and" // "and" if you want to search all words, "or" if you want to search any of words in query
}
}
}
}
}
这有点棘手。 首先,您必须自己将查询拆分成多个字词。 有一个术语列表(比如foo
, bar
和baz
,您可以针对表示PDF的类型(父类型)创建一个布尔查询,如下所示:
{
"bool" : {
"must" : [{
"has_child" : {
"type": "page",
"query": {
"match": {
"page_body": "foo"
}
}
}
}, {
"has_child" : {
"type": "page",
"query": {
"match": {
"page_body": "bar"
}
}
}
}, {
"has_child" : {
"type": "page",
"query": {
"match": {
"page_body": "baz"
}
}
}
}]
}
}
该查询将为您找到每个术语至少包含一页的所有PDF。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.