Elasticsearch的标准版本及以上是支持设置同义词功能的, 其实也就是除了OSS(开源)版以外其它的都支持.
环境说明
- Elasticsearch 7.6.x
- 与ES相匹配的IK分词插件
- 示例中会分别使用到shell命令和Kibana, 以
$
开头的代表是shell命令, 否则表示Kibana的console命令
操作
同义词可以使用synonym
参数来内嵌指定,或者必须 存在于集群每一个节点上的同义词文件中。 同义词文件路径由synonyms_path
参数指定,应绝对或相对于 Elasticsearchconfig
目录。
下面以同义词的两种设置方式来介绍:
同义词文件方式
设置同义词文件
# 进入Elasticsearch目录执行,生成文件
$ echo '"iPhone,苹果手机 => iPhone,苹果手机",
"2233,22娘,33娘 => bilibili,B站"' > config/analysis/synonyms.txt
创建索引
PUT /goods2
{
"settings": {
"analysis": {
"filter": {
"my_synonym_filter": {
"type": "synonym",
"updateable": true,
"synonyms_path": "analysis/synonyms.txt"
}
},
"analyzer": {
"my_synonyms_analyzer": {
"tokenizer": "ik_smart",
"filter": [
"my_synonym_filter"
]
}
}
}
},
"mappings": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_smart",
"search_analyzer": "my_synonyms_analyzer"
}
}
}
}
my_synonym_filter
是自定义的词汇过滤器
,my_synonyms_analyzer
是自定义的分析器, 可以看出后者是包含并引用了前者的.在本索引中自定义的词汇过虑器和分析器也只能在当前索引中使用.
updateable
指示能否动态更新, 必须为true
才能动态更新同义词
synonyms_path
指示同义词文件的位置
analysis.analyzer.tokenizer
指示在这个分析器里用ik_smart
的分词器, 在这个索引中的分析链是原始文本 => 分词器 => 词汇过滤器
, 即原始文本先经过分词的结果再用来给词汇过滤器
处理(在这个索引的作用是同义词).
mappings.properties.title.search_analyzer
指示title
字段在查询时使用my_synonyms_analyzer
分析器, 同理mappings.properties.title.analyzer
指示其在索引时使用的分析器.
查看分析结果
第一行分词的效果
# 字母大小写没有影响
GET goods2/_analyze
{
"analyzer": "my_synonyms_analyzer",
"text": "iphone"
}
GET goods2/_analyze
{
"analyzer": "my_synonyms_analyzer",
"text": "苹果手机"
}
上面两条语句的结果是一样的
{
"tokens" : [
{
"token" : "iphone",
"start_offset" : 0,
"end_offset" : 6,
"type" : "ENGLISH",
"position" : 0
},
{
"token" : "苹果",
"start_offset" : 0,
"end_offset" : 6,
"type" : "SYNONYM",
"position" : 0
},
{
"token" : "手机",
"start_offset" : 0,
"end_offset" : 6,
"type" : "SYNONYM",
"position" : 1
}
]
}
第二行分词的效果
GET goods2/_analyze
{
"analyzer": "my_synonyms_analyzer",
"text": "2233"
}
GET goods2/_analyze
{
"analyzer": "my_synonyms_analyzer",
"text": "22娘"
}
结果
{
"tokens" : [
{
"token" : "bilibili",
"start_offset" : 0,
"end_offset" : 4,
"type" : "SYNONYM",
"position" : 0
},
{
"token" : "b",
"start_offset" : 0,
"end_offset" : 4,
"type" : "SYNONYM",
"position" : 0
},
{
"token" : "站",
"start_offset" : 0,
"end_offset" : 4,
"type" : "SYNONYM",
"position" : 1
}
]
}
变更同义词并更新索引
# 进入Elasticsearch目录执行,生成文件
# `iPhone,苹果手机 => iPhone,苹果手机`与`iPhone,苹果手机`的效果是一样的
# 内容中的双引号`"`和行末的逗号`,`不是必须的(没有的话须要有换行符), 这里只是为了和和内嵌式的保持一致才这么写的
$ echo '"iPhone,苹果手机",
"2233,22娘,33娘 => bilibili,B站,二次元"' > config/analysis/synonyms.txt
# 使新的同义词生效
POST /goods2/_reload_search_analyzers
变更同义词后的第二行分词的效果
GET goods2/_analyze
{
"analyzer": "my_synonyms_analyzer",
"text": "2233"
}
结果
{
"tokens" : [
{
"token" : "bilibili",
"start_offset" : 0,
"end_offset" : 4,
"type" : "SYNONYM",
"position" : 0
},
{
"token" : "b",
"start_offset" : 0,
"end_offset" : 4,
"type" : "SYNONYM",
"position" : 0
},
{
"token" : "二次元",
"start_offset" : 0,
"end_offset" : 4,
"type" : "SYNONYM",
"position" : 0
},
{
"token" : "站",
"start_offset" : 0,
"end_offset" : 4,
"type" : "SYNONYM",
"position" : 1
}
]
}
内嵌方式
创建索引
同义词配置就在synonyms
属性里
PUT /goods3
{
"settings": {
"analysis": {
"filter": {
"my_synonym_filter": {
"type": "synonym",
"synonyms": [
"iPhone,苹果手机 => iPhone,苹果手机",
"2233,22娘,33娘 => bilibili,B站"
]
}
},
"analyzer": {
"my_synonyms_analyzer": {
"tokenizer": "ik_smart",
"filter": [
"my_synonym_filter"
]
}
}
}
},
"mappings": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_smart",
"search_analyzer": "my_synonyms_analyzer"
}
}
}
}
查看分析结果
下面的结果跟同义词文件方式的是一样的
GET goods3/_analyze
{
"analyzer": "my_synonyms_analyzer",
"text": "iphone"
}
GET goods3/_analyze
{
"analyzer": "my_synonyms_analyzer",
"text": "2233"
}
变更同义词并更新索引
# 须要先关闭索引才能变更设置
POST /goods3/_close
PUT /goods3/_settings/
{
"analysis": {
"filter": {
"my_synonym_filter": {
"type": "synonym",
"synonyms": [
"iPhone,苹果手机",
"2233,22娘,33娘 => bilibili,B站,二次元"
]
}
}
}
}
# 重新开启索引
POST /goods3/_open
查询实践
以索引goods2
为例
# 插入一条数据
POST /goods2/_doc/1
{
"title":"bilibili是个好平台"
}
# 通过`2233`关键词查找
GET /goods2/_search
{
"query": {
"match": {
"title": "2233"
}
}
}
结果
{
"took" : 0,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 0.2876821,
"hits" : [
{
"_index" : "goods2",
"_type" : "_doc",
"_id" : "1",
"_score" : 0.2876821,
"_source" : {
"title" : "bilibili是个好平台"
}
}
]
}
}
总结
- 在Elasticsearch中设置同义词有
内嵌式
和同义词文件式
两种 -
同义词文件式
可以在不关闭索引的情况下动态更新同义词
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。