高甜句子简短

高甜句子简短:前言有关ElasticSearch的更多信息：>的ElasticSearch指南：elk formula短语与全文虽然对所有查询执行相关计算，但并非所有查询都有分析阶段。像bool或function_score这样的查询不会在文本字段中执行分析。1.基于术语的查询：诸如term（在过滤器上下文中）或fuzzy之类的查询是没有分析阶段的低级查询。这些查询是在单个短语上执行的。例如，对foo一词的查询将在一个倒排索引中精确地找到foo一词，并计算包含该词的每个文档的tf/idf相关度术语查询仅在反向查询中查找特定短语，与短语的其他变体（如foo或foo）不匹配。不管短语是如何索引的，它只匹配倒排索引中的确切值。如果将[“foo”、“bar”]索引到未分析的字段，或将foo bar索引到空白分析器分析的字段，则将索引foo和bar索引到反向索引。2.第二步。全文检索match和query_string等查询是分析字段的高级查询：如果检索日期或整数字段，则将查询语句视为日期或整数数据。如果检索到未分析的字符串字段，它们将整个查询作为单个短语进行分析。如果检索全文字段，则查询首先使用适当的分析器分析查询语句，并生成要查询的短语列表。然后对列表中的每个短语执行低级查询，并结合查询结果以获得最终文档相关性。全文检索全文搜索最重要的两个方面：相关性（深）能够根据文档与查询的相关性对结果进行排序。相关性可以使用tf/idf、地理邻近度、模糊相似性或其他算法计算。分析（分析）将一段文本转换成一组独特的、标准化的术语，这些术语（a）创建一个反向索引，（b）查询一个反向索引注：一旦我们讨论了相关性和分析，它就是所有的查询，而不是过滤器。//验证匹配查询不必全部分析放我的索引3/{“映射”：。{“我的\类型”：。{“属性”：。{“消息”：。{“type”：“字符串”，“index”：“已分析”}“消息1”：。{“type”：“字符串”，“index”：“未分析”}}}}}//索引一段数据发布我的索引3/我的类型{“message”：“男孩”，“message1”：“男孩”}发布/我的索引3我的类型/搜索{“查询”：。{“已筛选”：。{“筛选器”：。{“匹配”：。{“message1”：“男孩”}}}}}//响应{“Taked”：2，“超时”：错误，“ou shards”：。{“总计”：5，“成功”：5，“失败”：0}，请“点击次数”：。{“总计”：0，“Max_Score”：空，“点击数”：[]}}//可以找到相同的查询消息1您很少需要使用基于术语的查询。通常你想查找的是全文，而不是单个术语，而这个这项工作通过高级全文查询更容易完成（在内部，它们最终使用基于术语的低级查询）。匹配查询让我们从一个例子开始说明匹配查询的步骤：{“匹配”：。{“message”：“男孩”}}ElasticSearch通过以下步骤执行匹配查询：检查字段类型消息字段是一个字符串，因此也需要分析查询字符串分析查询字符串疑问词boy。因为我们只有一个查询词，所以match查询可以作为低级术语查询执行。查找匹配的文档查询这个词在一个反向索引中搜索boy，并返回包含这个词的文档。对每个文档进行分级术语查询综合考虑词频（每个文档的消息字段包含boy的次数）、逆文档频率（每个文档的消息字段包含boy的次数）和包含boy的字段的长度（长度越短，更相关）来计算每个文档的相关分数。参考tf-idf和cosine相似性的应用：nguyen one高甜句子简短