Term suggester(词条建议器)

注意

为了理解 suggestions 的形式,请先阅读suggesters

term建议器根据编辑距离来进行词条建议。

常见的 suggest 选项

Options Description
text suggest 文本,suggest 文本是必须选项,需要被设定为全局或者对每个 suggestion。
field 从中获取候选 suggestions 的字段(field)。 这是必需的选项,需要设置为全局或按 suggestion 设置。
analyzer 分词器用来分析suggest文本,默认为 suggest 字段的分词器。
size 每个 suggest 文本标记(token)返回的最大更正值。
sort 定义每个 suggest 文本术语中 suggestions 该如何排序。 两个可能的值:
score:先按照分数排序,然后按文档频率排序,然后是术语本身。
frequency:按文档频率排序,然后依次选择相似性分数和术语本身。
suggest_mode suggest_mode 控制什么 suggestions 被包括或控制什么 suggest 文本术语,什么 suggestions 应该被 suggested。 可以指定三个可能的值:
missing: 只提供不在索引中的 suggest 文字字词的 suggestion 。 这是默认值。
popular:只 suggest 出现在更多文档中的 suggestions,而不是原始 suggest 文本术语。
always: 根据 suggest 文字中的字词 suggest 任何相符的 suggestions。

其它term suggest选项

Options Description
lowercase_terms 在文本分析后的 小写 suggest 文本术语。
max_edits 可以认为是候选 suggestions 的最大编辑距离。 只能是介于12之间的值。任何其他值都会导致抛出错误的请求错误。 默认为2
prefix_length 为了成为候选 suggestions 所必须匹配的最小前缀字符的数量。 默认值为1.增加此数字可提高拼写检查性能。 通常拼写错误不会出现在术语的开头。 (旧名称 “prefix_len” 已弃用)
min_word_length suggest 文本术语必须包含的最小长度。 默认值为4.(旧名称 “min_word_len” 已弃用)
shard_size 设置要从每个单独的分片检索的 suggestions 的最大数量。 在减少阶段期间,仅基于size选项返回前N个 suggestions。 默认为size选项。 将其设置为大于该size的值可以是有用的,以便以性能为代价获得更准确的拼写校正的文档频率。 由于术语在分片之间分割的事实,拼写校正的分片级文档频率可能不精确。 `
max_inspections 用于乘以 shards_size 以便在碎片级别上检查更多候选拼写校正的因子。 可以以性能为代价提高精度。 默认为5
min_doc_freq suggestion 应该出现的文档数量的最小阈值。这可以指定为绝对数字或文档数量的相对百分比。 这可以通过仅 suggesting 高频项来提高质量。 默认值为0f ,未启用。 如果指定的值大于1,则该数字不能为小数。 分片级文档频率用于此选项。
max_term_freq suggest 文本标记可以存在的文档数量中的最大阈值,以便包括。 可以是表示文档频率的相对百分比数字(例如0.4)或绝对数字。 如果指定的值大于1,则不能指定小数。 默认为 0.01f。 这可以用于排除高频术语的拼写检查。 高频项通常拼写正确,这也提高了拼写检查的性能。 分片级文档频率用于此选项。
string_distance 使用哪个字符串距离实现来比较类似的 suggested 术语。 可以指定五个可能的值: internal - 基于 damerau_levenshtein的默认值,但是高度优化用于比较索引中的项的字符串距离。damerau_levenshtein—— 基于 Damerau-Levenshtein 算法的字符串距离算法。 levenstein —— 基于 Levenstein 编码距离算法的字符串距离算法。 jarowinkler —— 基于 Jaro-Winkler 算法的字符串距离算法。 ngram —— 基于字符n-gram的字符串距离算法。
© ApacheCN Team all right reserved,powered by Gitbook该文件修订于: 2018-03-13 09:41:17

results matching ""

    No results matching ""