Elasticsearch이 쿼리와 마찬가지로 more

Question

more like this 쿼리가 작동하는 방식에 대해 생각하고 있으며 뭔가 빠져있는 것 같습니다. 나는이 문서를 읽었지만, ES 문서는 종종 다소 부족하다 ... 부족하다.

시도의 목적은 시도 횟수가 here 인 결과를 제한하는 것입니다.

그래서 디버깅을위한 용어 벡터를 포함한 간단한 색인을 설정 한 다음 두 개의 간단한 문서를 추가했습니다. 나는 termvectors 볼 때

DELETE /test_index 

PUT /test_index 
{ 
    "settings": { 
     "number_of_shards": 1, 
     "number_of_replicas": 0 
    }, 
    "mappings": { 
     "doc": { 
     "properties": { 
      "text": { 
       "type": "string", 
       "term_vector": "yes" 
      } 
     } 
     } 
    } 
} 

PUT /test_index/doc/1 
{ 
    "text": "apple, apple, apple, apple, apple" 
} 

PUT /test_index/doc/2 
{ 
    "text": "apple, apple" 
} 

내가 기대 참조 :

POST /test_index/_search 
{ 
    "query": { 
     "more_like_this": { 
     "fields": [ 
      "text" 
     ], 
     "like_text": "apple", 
     "min_term_freq": 1, 
     "percent_terms_to_match": 1, 
     "min_doc_freq": 1 
     } 
    } 
} 
... 
{ 
    "took": 1, 
    "timed_out": false, 
    "_shards": { 
     "total": 1, 
     "successful": 1, 
     "failed": 0 
    }, 
    "hits": { 
     "total": 2, 
     "max_score": 0.5816214, 
     "hits": [ 
     { 
      "_index": "test_index", 
      "_type": "doc", 
      "_id": "1", 
      "_score": 0.5816214, 
      "_source": { 
       "text": "apple, apple, apple, apple, apple" 
      } 
     }, 
     { 
      "_index": "test_index", 
      "_type": "doc", 
      "_id": "2", 
      "_score": 0.5254995, 
      "_source": { 
       "text": "apple, apple" 
      } 
     } 
     ] 
    } 
} 

하지만 경우 : 내가 "min_term_freq": 1로 다음 쿼리를 실행하면

GET /test_index/doc/1/_termvector 
... 
{ 
    "_index": "test_index", 
    "_type": "doc", 
    "_id": "1", 
    "_version": 1, 
    "found": true, 
    "term_vectors": { 
     "text": { 
     "field_statistics": { 
      "sum_doc_freq": 2, 
      "doc_count": 2, 
      "sum_ttf": 7 
     }, 
     "terms": { 
      "apple": { 
       "term_freq": 5 
      } 
     } 
     } 
    } 
} 

GET /test_index/doc/2/_termvector 
{ 
    "_index": "test_index", 
    "_type": "doc", 
    "_id": "2", 
    "_version": 1, 
    "found": true, 
    "term_vectors": { 
     "text": { 
     "field_statistics": { 
      "sum_doc_freq": 2, 
      "doc_count": 2, 
      "sum_ttf": 7 
     }, 
     "terms": { 
      "apple": { 
       "term_freq": 2 
      } 
     } 
     } 
    } 
} 

내가 다시 두 문서를 얻을 "min_term_freq"을 2 (또는 그 이상) 증가 시키면 아무 것도 얻을 수 없지만 두 문서가 모두 반환 될 것으로 기대됩니다.

POST /test_index/_search 
{ 
    "query": { 
     "more_like_this": { 
     "fields": [ 
      "text" 
     ], 
     "like_text": "apple", 
     "min_term_freq": 2, 
     "percent_terms_to_match": 1, 
     "min_doc_freq": 1 
     } 
    } 
} 
... 
{ 
    "took": 1, 
    "timed_out": false, 
    "_shards": { 
     "total": 1, 
     "successful": 1, 
     "failed": 0 
    }, 
    "hits": { 
     "total": 0, 
     "max_score": null, 
     "hits": [] 
    } 
} 

왜? 내가 뭘 놓치고 있니?

"apple"이 5 번 나타나지만 2 번 나타나는 문서는 반환하지 않는 쿼리를 설정하려면 더 좋은 방법이 있습니까? 여기

편의상 코드이다

http://sense.qbox.io/gist/341f9f77a6bd081debdcaa9e367f5a39be9359cc

Answer 1

최소 용어 빈도 및 문서 최소 주파수는 실제로 MLT를 수행하기 전에 상기 입력에인가된다. 즉, 입력 텍스트에 apple이 하나만 출현 했으므로 최소 기간 빈도가 2로 설정되어 있기 때문에 사과가 MLT 자격을 얻지 못했습니다. 입력을 "사과 사과"로 변경하면 문제가 해결됩니다.

POST /test_index/_search 
{ 
    "query": { 
     "more_like_this": { 
     "fields": [ 
      "text" 
     ], 
     "like_text": "apple apple", 
     "min_term_freq": 2, 
     "percent_terms_to_match": 1, 
     "min_doc_freq": 1 
     } 
    } 
} 

같은 문서는 분당도 마찬가지입니다. Apple은 atleast 2 문서에 있으므로 min_doc_freq 2까지는 MLT 작업의 입력 텍스트에서 적용됩니다.