Elasticsearch Java API术语聚合怪异

Question

我目前正在为具有这样的数据结构的实体索引标签（行业）：

industry: ["Consulting & Recruitment","Professional Services","Education & Training"] 

我正在将termsAggregation应用于查询为：

AggregationBuilders.terms("industry").field("industry");

我期望得出的结果是：

Key: "Consulting & Recruitment"
docCount: 100

我实际得到的是：

Key: "Consulting"
docCount: 100
Key: "Recruitment"
docCount: 100.

有没有办法纠正这个问题？

谢谢

Answer 1

看起来好像是使用默认的分析器索引了现场industry ，该分析器在单词边界处打断了输入字符串，并将它们小写。 因此，在您的情况下，索引的令牌将是“咨询”，“招聘”，“专业”，“服务”，“教育”和“培训”。 术语聚合选择被索引的令牌。 因此，它只选择“咨询”而不是“咨询与招聘”。 解决此问题的方法将是不对现场industry进行分析。 在这种情况下，令牌“咨询与招聘”，“专业服务”，“教育与培训”将按原样编制索引，您将获得预期的结果。

Answer 2

检查分析仪的该字段，我相信将其设置为“标准”左右。 因此，您的内容被分解为表示标记的单词，并且诸如“＆”之类的常见动词在聚合时不被视为标记/键。

弹性搜索使用这些标记（“招聘”，“顾问”）为您的文档建立索引。 因此，根据弹性搜索的主要功能，此行为是预期的。 也就是说，当通过关键字“咨询”进行搜索时，ES将返回具有相关分数的文档或包含关键字“咨询”的简单单词。

如果您坚持要获得“咨询与招聘”作为整体的钥匙或令牌，那么您需要阻止令牌生成器将其拆分为多个术语。

检查模式令牌生成器 ，以自定义将它们拆分为不同令牌的方式。 这就像设计令牌生成器一样，将“咨询与招聘”视为一个大词，但是这样您的令牌就无法很好地定义，因此搜索可能会受到影响。

一种解决方案是，您可以更改数据格式，使用代表每个行业的行业类型代码，并使用另一个字段作为行业名称来显示文本内容。 用现场行业类型代码作为标记化/标准索引文档，并将现场行业名称作为另一个附加索引。 对于常规搜索操作，请使用字段行业名称，对于聚合，请使用字段行业类型代码。

{
  "mappings": {
    "industries" : {
      "properties" : {
        "industry-type-code" : {
          "type" :    "string",
          "analyzer": "standard"
        },
        "industry-name" : {
          "type" :   "string",
          "analyzer": "standard"
        }
      }
    }
  }
}