Jak zasugerować (autouzupełnianie) kolejne słowo w wyszukiwaniu elastycznym?

Question

Powiedzmy mam następujące ciągi indeksowane:

"My awesome pizza" 
"My awesome beer" 
"Heineken is awesome beer" 
"I love pizza pepperoni" 
"Where is my beer" 

Dla wejścia "My" chcę sugerować:

1. My niesamowite
2. Moja piwo

Dla wejścia "awesome" Chcę zasugerować :

1. niesamowite pizzy
2. niesamowite piwo

itp

Więc chcę zapewnić kolejne słowa po wejściu użytkownika ... Również z niektórymi rozmycie (aEwsome) również powinny być obsługiwane.

Które sugestie/analizatory powinienem użyć? Próbowałem Term i zakończenia, ale nie jest to, co chcę (ukończenie na przykład działa tylko przy wyszukiwaniu początku frazy - jeśli przekazać słowo, które jest w środku indeksowanego ciąg, to nie sugeruje go,)

Answer 1

Elasticsearch zapewnia wygodny sposób szybkiego uruchomienia autouzupełniania dzięki funkcji sugerowania uzupełniania.

Sprawdź ten link, to jest to, czego szukasz

https://qbox.io/blog/multi-field-partial-word-autocomplete-in-elasticsearch-using-ngrams

Zakończenie zausznika pozwala również osiągnąć tę funkcjonalność

Answer 2

Oto sposób na wykorzystanie auto kompletne trzeba użyć metoda Fuzzy z tego bloga dodać rozmytej zausznika Państwu proponuję:

To add fuzzy suggester 
 
curl -X POST 'localhost:9200/music/_suggest?pretty' -d '{ 
 
    "song-suggest" : { 
 
     "text" : "n", 
 
     "completion" : { 
 
      "field" : "suggest", 
 
      "fuzzy" : { 
 
       "fuzziness" : 2 
 
      } 
 
     } 
 
    } 
 
}'

http://cloud-clinic.blogspot.com/2016/06/how-to-use-elastic-search-suggester-to.html

Answer 3

Tylko w przypadku gdy ktoś wpada tutaj podejście krawędź n-g (jak wskazano przez @Siddardha Budige) zostało zastąpione ukończenia suggesters.

Są celowo budowane z myślą o automatycznej sugestii, dzięki czemu są bardzo wydajne. Bardzo pouczający post Przez zespół ES można znaleźć here.

dwa zastrzeżenia:

1. Są one realizowane przez w pamięci danych struktura i dlatego nie nadają się do dużych zbiorów danych, które nie mieszczą się w pamięci.

2. Ranking wyników nie opiera się na podobieństwie (wynik jest dopasowany lub nie), więc należy zachować ostrożność podczas mieszania dopasowań rozmytych i nierozmytych.

EDIT: Podzieliliśmy nasze własne doświadczenia z użyciem Zakończenie Suggesters here.

Zawiera kilka praktycznych przykładów na temat rozmytości i informacji na temat nieanglojęzycznych danych wejściowych.