common terms query 是stopword一个替代方案. 它可以提升精确度, 还不会牺牲性能.

  • 第一步, 先搜索更重要的term, 它们是低频词, 对相关性的影响更大.

  • 第二步, 再对高频词执行第二次搜索. 但是它不对所有匹配的文档打分, 只对第一步中匹配的文档打分. 这样的话, 高频词也可以提升结果的相关性, 同时还不会增加很多负载.如果query里面的term全是高频词,那么query会按照 AND queyr来执行(默认是or).

  • 怎么样才算高频词呢?

    cutoff_frequency 来控制, 哪些是高频词, 哪些是低频词. cutoff_frequency <= 1的时候,代表一个比率, 如果大于1, 代表一个绝对值. cutoff_frequency 是单个shard级别计算的.

    最有趣的是, stopword是自动的, 在一个视频网站, “video”这个term可能就自动变成了stopword(其实也就是指高频词)
⤧  Next post elasticsearch fuzzy query(模糊查询) ⤧  Previous post elasticsearch filtered query(过滤器查询)