Impostazioni di sfocatura in ElasticSearch

Question

Ho bisogno di un modo per il mio motore di ricerca di gestire piccoli refusi nelle stringhe di ricerca e di restituire sempre i risultati corretti.

Secondo la documentazione elasticsearch, ci sono tre valori che sono rilevanti per la corrispondenza fuzzy nella query di testo: confusione, max_expansions, e prefix_length.

Sfortunatamente, non ci sono molti dettagli disponibili su cosa esattamente fanno questi parametri e quali sono per loro i valori sensati. So che la sfocatura dovrebbe essere un float tra 0 e 1.0 e gli altri due sono interi.

Qualcuno può consigliare valori ragionevoli "punto di partenza" per questi parametri? Sono sicuro che dovrò sintonizzarmi per tentativi ed errori, ma sto solo cercando i valori di ballpark per gestire correttamente refusi e errori ortografici.

Answer 1

Secondo il Fuzzy Query doc, i valori di default sono 0.5 per min_similarity (che si presenta come la soluzione confusione), "illimitata" per max_expansions e 0 per prefix_length.

This answer dovrebbe aiutare a comprendere l'opzione min_similarity. 0.5 sembra essere un buon inizio.

prefix_length e max_expansions influisce sulle prestazioni: si può provare e sviluppare con i valori di default, ma essere sicuri che non scala (lucene developers were even considering setting a default value of 2 for prefix_length). Consiglierei di eseguire benchmark per trovare i valori corretti per il tuo caso specifico.

Answer 2

L'ho trovato utile quando si utilizzava la query fuzzy per utilizzare effettivamente sia una query di termini che una query fuzzy (con lo stesso termine) per recuperare i risultati per errori di battitura, ma anche assicurare che le istanze della parola di ricerca immessa apparissero il più alto nei risultati.

I.E.

{ 
    "query": { 
     "bool": { 
      "should": [ 
       { 
        "match": { 
         "_all": search_term 
        } 
       }, 
       { 
        "match": { 
         "_all": { 
          "query": search_term, 
          "fuzziness": "1", 
          "prefix_length": 2 
         } 
        } 
       } 
      ] 
     } 
    } 
} 

qualche dettaglio in più elencate qui: https://medium.com/@wampum/fuzzy-queries-ae47b66b325c