[英]Am I correct that Elasticsearch simple_query_string does not support wildcards, but only prefix queries?
[英]Elasticsearch minhash prefix query with wildcards?
我有一個為某些文本生成的minhash字段(基於minhash算法),現在我的問題是,是否可以通過通配符以某種方式補充或添加前綴查詢? 因為存在問題,所以哈希字符串值是基於帶狀對象/令牌的內容(文本)位置的。 因此,前幾個字符(前綴)可能並不總是與相似內容完全匹配。 是否可以在查詢前綴之前添加通配符,例如* 3AF8659GJ?
編輯:我想我沒有認真思考這個問題。 哈希差異可以在哈希字符串中的任何位置(基於文本差異的內容位置中的文本差異)。 因此,我認為“最佳”的唯一方法是編輯距離和一些閾值。
例如,將所有散列放入一個數組中,並按詞法排序(或如何對十六進制字符串進行排序?),然后只比較下k個文檔,直到達到編輯距離閾值為止,然后將重復項放入一個單獨的數組中..
出於性能方面的考慮,強烈建議不要使用后綴進行搜索,如官方文檔中所述 :
為了防止極慢的通配符查詢,通配符術語不應以通配符*或?開頭。
仍然可以通過使用精巧的分析儀來實現所需的方法。 這個想法是只索引minhash的結尾。 您可以按照以下說明實現它。
首先,使用以下分析器創建索引:
PUT minhash-index
{
"settings": {
"index": {
"analysis": {
"analyzer": {
"suffix": {
"type": "custom",
"tokenizer": "keyword",
"filter": [
"lowercase",
"reverse",
"substring",
"reverse"
]
}
},
"filter": {
"substring": {
"type": "edgeNGram",
"min_gram": 1,
"max_gram": 10
}
}
}
}
},
"mappings": {
"doc": {
"properties": {
"minhash": {
"type": "text",
"analyzer": "suffix",
"search_analyzer": "standard"
}
}
}
}
}
suffix
分析器的想法是,它將為拋出索引的每個minhash索引長度為1到10(您可以決定索引更長的后綴)的所有后綴。
因此,例如,對於minhash C50FD711C2C43287351892A4D82F44B055F048C46D2C54197AC1D1E921F11E6699C4057C4B93907518E6DCA51A672D3D3E419160DAE276CB7716D11B94D8C3BB2E4A591329B7AF973D17A7F9336342FFAAFD4D
d
4d
d4d
fd4d
afd4d
aafd4d
faffd4d
ffaafd4d
2ffaafd4d
42ffaafd4d
然后,您可以使用以下查詢輕松搜索並找到上述minhash:
POST minhash-index/_search
{
"query": {
"match": {
"minhash": "42FFAAFD4D"
}
}
}
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.