Mr_Fogg的专栏

现在学习到了实体搜索，加入我们想搜索例如Person、product这样的实体，在这种情况下，一些关键的信息其实分布在数据的多个属性里的。比如person的数据存储{ "firstname": "Peter", "lastname": "Smith"}或者是地址，比如这样 ```{ "street": "5 Poland Street", "city"

在实体查询中，我感兴趣是最匹配的项，而不是说最匹配的属性，这个在Most_fileds 或者best_fields都是以属性为中心的查询。问题1：在多个属性中匹配同样的单词考虑most_fields查询是怎么执行的：ElasticSearch对每一个属性生成一个match query 然后把这些query 包括在bool query 中。 我们用validate-query API看一下GET

使用停用词的利弊我们拥有更多硬盘资源，但是比较少的内存资源。从索引中去掉一些停用词平均每百万个文档中也就节省了4MB的资源。所以停用词并不是来节省存储资源的。 并且，我们移除一些停用词会带来一些坏处。比如我们就很难无法做到以下几种事情：区分 happy from not happy搜索 the band The The找到莎士比亚的名言”to be, or not to be”用国家

TF/IDF词频（TF）其实就是一个词在一篇文章中出现的频率在开平方，频率越高，说明这个词在这篇文章中的权重越高IDFidf(word) = 1+log(numDocs/(docFreq +1)) numdocs是所有文档的数量，docFreq 是包含有word的文档的数量。可以看出当docFreq越大，则IDF越小，例如像the这样的词，几乎每篇文章里都有，所以这样的词权重就很低Field-le

话不多说，直接上公式 公式说明：score(q,d)是文档 d 和查询 q 之间的相关度queryNorm(q)是查询正则化因子 %coord(q,d)是coordination factor %对在查询字符串q中的每个单词t在文档d中的权重求和词频，单词t在文档d中的词频t的idft.getBoost()是一个权重的提升权重%norm(t,d) 是filed-lengt

Combining Filters 之前的两个例子都是单个字段的查询。在生成环境中，你会需要多个值一起查询的，例如在sql语言中 SELECT product FROM products WHERE (price = 20 OR productID = "XHDK-A-1293-#fJ3") AND (price != 30) 这种情况，你需要一个bool query在c

所有的访问执行关联度计算，但并不是所有访问都有一个分析阶段。除了一些特定查询例如Bool或者是function_score查询，这些不再文本上执行。文本访问可以被分成两个部分：Term-based queriesQueries 像term或者是fuzzy queries 是一种低水平访问，没有分析模块。它们在单个term上执行。一个term query for foo 寻找具体term 在反向索引中