elasticsearch模糊匹配max_expansions &最小相似度

Question

我在项目中使用模糊匹配主要是为了查找同名的拼写错误和不同拼写。我需要准确理解elasticsearch的模糊匹配是如何工作的以及它如何使用标题中提到的2个参数。

据我了解，min_similarity是查询的字符串与数据库中的字符串匹配的百分比。我找不到关于如何计算该值的准确描述。

据我了解，ma​​x_expansions是执行搜索的编辑距离。如果这实际上是编辑距离，那对我来说将是理想的解决方案。无论如何，它不起作用 例如，我有“Samvel”这个词，

queryStr      max_expansions         matches?
samvel        0                      Should not be 0. error (but levenshtein distance   can be 0!)
samvel        1                      Yes
samvvel       1                      Yes
samvvell      1                      Yes (but it shouldn't have)
samvelll      1                      Yes (but it shouldn't have)
saamvelll     1                      No (but for some weird reason it matches with Samvelian)
saamvelll     anything bigger than 1 No

该文档说了一些我实际上不明白的内容：

Add max_expansions to the fuzzy query allowing to control the maximum number 
of terms to match. Default to unbounded (or bounded by the max clause count in 
boolean query).

那么请任何人向我解释一下这些参数究竟如何影响搜索结果。

Answer 1

min_similarity 是一个介于 0 到 1 之间的值。来自 Lucene 文档：

For example, for a minimumSimilarity of 0.5 a term of the same length 
as the query term is considered similar to the query term if the edit 
distance between both terms is less than length(term)*0.5

所引用的“编辑距离”是 Levenshtein 距离。

此查询的内部工作方式是：

• 它查找索引中存在的所有可能与搜索项匹配的术语，在考虑 min_similarity 时
• ，然后搜索所有这些术语。

您可以想象这个查询有多么繁重！

为了解决这个问题，您可以设置 max_expansions 参数来指定应考虑的匹配术语的最大数量。