Elasticsearch中的邻近匹配【proximity Matching】

使用了TF/IDF的标准全文搜索将文档或者文档中的某个字段，视为一大袋子单词。match查询能够告诉我们这个袋子当中是否包含了我们所要生产的单词，但是这只是一个方面。它不能告诉我们单词之间任何关系的信息。

考虑以下这些句子的区别：

Sue ate the alligator.

The alligator ate Sue.

Sue never goes anywhere without her alligator-skin purse.

一个使用了sue alligator的match查询会匹配以上所有文档，但是它无法告诉我们这两个词是否表达了部分原文的部分意义，或者是表达了完整的意义。

理解单词间的联系是一个复杂的问题，我们也无法仅仅依靠另一类查询就解决这个问题，但是我们至少可以通过单词间的距离来判断单词间可能的关系。

真实的文档也许比上面几个例子要长的多：Sue和alligator也许相隔了几个段落。也许我们仍然希望包含这样的文档，但是我们会给那些Sue和alligator出现的较近的文档更高的相关度分值。

这就是短语匹配(Phrase Matching)，或者邻近度匹配(Proximity Matching)。

短语匹配：

就像一提到全文搜索首先会想到match查询一样，当需要查询短语的时候，应该想到match_phrase查询。

和match查询类似，match_phrase查询首先解析查询字符串来产生一个词条列表。然后会搜索所有的词条，但只保留含有了所有搜索词条的文档，并且词条的位置要邻接。一个针对短语quick fox的查询不会匹配我们的任何文档，因为没有文档含有邻接在一起的quick和box词条。

TIP
match_phrase查询也可以写成类型为phrase的match查询：
"match": {
"title": {
"query":"quick brown fox",
"type":"phrase"
}

    }

当一个字符串被解析的时候，解析器不仅仅返回一个词条列表，它同时返回每个词条的位置，或者顺序信息。

GET /_analyze?analyzer=standardQuick brown fox

会返回以下的结果：

{   "tokens": [      {         "token": "quick",         "start_offset": 0,         "end_offset": 5,         "type": "<ALPHANUM>",         "position": 1       },      {         "token": "brown",         "start_offset": 6,         "end_offset": 11,         "type": "<ALPHANUM>",         "position": 2       },      {         "token": "fox",         "start_offset": 12,         "end_offset": 15,         "type": "<ALPHANUM>",         "position": 3       }   ]}

位置信息可以被保存在倒排索引(Inverted Index)中，像match_phrase这样位置感知(Position-aware)的查询能够使用位置信息来匹配那些含有正确单词出现顺序的文档，在这些单词间没有插入别的单词。

短语是什么

对于匹配了短语"quick brown fox"的文档，下面的条件必须为true：

• quick，brown和fox必须全部出现在某个字段中。
• brown的位置必须比quick的位置大1。
• fox的位置必须比quick的位置大2。

如果以上的任何条件没有被满足，那么文档就不能被匹配。

TIP

在内部，match_phrase查询使用了低级的span查询族(Query Family)来执行位置感知的查询。span查询是词条级别的查询，因此它们没有解析阶段(Analysis Phase)；它们直接搜索精确的词条。

幸运的是，大多数用户几乎不需要直接使用span查询，因为match_phrase查询通常已经够好了。但是，对于某些特别的字段，比如专利搜索(Patent Search)，会使用这些低级查询来执行拥有非常特别构造的位置搜索。

混合起来(Mixing it up)

精确短语(Exact-phrase)匹配也许太过于严格了。也许我们希望含有"quick brown fox"的文档也能够匹配"quick fox"查询，即使位置并不是完全相等的。

我们可以在短语匹配使用slop参数来引入一些灵活性：

GET /my_index/my_type/_search{    "query": {        "match_phrase": {            "title": {                "query": "quick fox",                "slop":  1            }        }    }}

slop参数告诉match_phrase查询词条能够相隔多远时仍然将文档视为匹配。相隔多远的意思是，你需要移动一个词条多少次来让查询和文档匹配？

我们以一个简单的例子来阐述这个概念。为了让查询quick fox能够匹配含有quick brown fox的文档，我们需要slop的值为1：

            Pos 1         Pos 2         Pos 3-----------------------------------------------Doc:        quick         brown         fox-----------------------------------------------Query:      quick         foxSlop 1:     quick                 ↳     fox

尽管在使用了slop的短语匹配中，所有的单词都需要出现，但是单词的出现顺序可以不同。如果slop的值足够大，那么单词的顺序可以是任意的。

为了让fox quick查询能够匹配我们的文档，需要slop的值为3：

            Pos 1         Pos 2         Pos 3-----------------------------------------------Doc:        quick         brown         fox-----------------------------------------------Query:      fox           quickSlop 1:     fox|quick  ↵  Slop 2:     quick      ↳  foxSlop 3:     quick                 ↳     fox