主页 / coding / 问题 / 77030106
Accepted
MACE
Asked: 2023-09-03 05:22:05 +0800 CST

如何为芝加哥艺术学院的 Elasticsearch REST API 编写模糊、草率的 JSON 查询

  • 772

我有一个艺术家名字的档案。我正在尝试搜索芝加哥艺术学院的 REST API，寻找这些艺术家的作品。文件中的名字之一是“Romare Beardon”。我的 Elasticsearch 查询什么也没找到。

criteria = {
  "query": {"match_phrase" : {"artist_title": "romare beardon"}}
}

问题在于该文件的姓氏拼写错误（s/b“Bearden”），并且该研究所将艺术家的名字列为“Romare Howard Bearden”。

因此，我的查询需要原谅轻微的拼写错误并考虑中间名。

我已经尝试过“slop”

criteria = {
  "query" : {"match_phrase": {"artist_title": {"query":"Romare Bearden", "slop":1 }}},
}

这正确地找到了 Romare Howard Bearden！

我已经尝试过模糊性：

criteria = {
    "query": {
        "fuzzy" : {"artist_title": {"value": "Beardon", "fuzziness": "AUTO"}}},
}

这会找到“Bearden”，但也会找到“Pearson”。不能接受的。

将 AUTO 更改为 1 不会返回任何结果。将 AUTO 更改为 2 将返回“Bearden”和“Pearson”。不能接受的。

任何人都可以帮我编写一个查询，可以采用“Romare Beardon”并找到“Romare Howard Bearden”。它需要进行泛化，以便任何名字和姓氏，即使稍微拼写错误，也能高精度地找到第一个中间的最后一个。

elasticsearch

1 个回答

  1. Best Answer

    我可以想到一种可能的解决方案，您可以将artist_title文本拆分为单词，然后在搜索文本之上应用模糊性，如下所示：

    在为弹性索引创建映射时可以指定以下空白分析器：

    {
    "mappings": {
        "properties": {
            "artist_title": {
                "type": "text",
                "analyzer": "whitespace"
            }
        }
    }
}

    如上所述，elastic 中存在的 Artist_title 是Romare Howard Bearden和Pearson。

    对于搜索文本：Romar Beardon，具有模糊性的搜索查询将是：

    {
    "query": {
        "bool": {
            "must": [
                {
                    "fuzzy": {
                        "artist_title": {
                            "value": "Romar",
                            "fuzziness": "AUTO"
                        }
                    }
                },
                {
                    "fuzzy": {
                        "artist_title": {
                            "value": "Beardon",
                            "fuzziness": "AUTO"
                        }
                    }
                }
            ]
        }
    }
}

    这将给出带有草率文本和名字和姓氏组合的预期结果Romare Howard Bearden。

    解释：

    在映射创建过程中，空白分析器会分解文本并单独索引它们，稍后作为模糊文本单独查询时会产生结果。然而，搜索文本需要被分割并单独添加为模糊查询。该fuzziness值可以从 AUTO 更改为任何整数，以指定要应用的模糊度数。

    对于AUTO，根据Docs：

    根据术语的长度生成编辑距离。可以选择提供低和高距离参数 AUTO:[low],[high]。如果未指定，则默认值为 3 和 6，相当于长度的 AUTO:3,6：

    0..2
Must match exactly
3..5
One edit allowed
>5
Two edits allowed

    或者，如果"fuzziness": "2"，则为了生成搜索结果，允许的最大模糊字符数为 2。例如，Roma也会生成 2 个字符r且e缺失的搜索结果。

    希望这可以帮助。

    • 1

相关问题