如何通过Shingle分词实现Elasticsearch多词关键词精准匹配？

要实现搜索文本中的完整短语匹配keywords字段里的多词关键词，你需要创建一个自定义Shingle分析器，仅在查询阶段处理输入文本，生成多词短语Token后再去匹配keyword类型的keywords字段。

步骤1：添加自定义Shingle分析器到索引设置 #

给food-suggestion索引添加自定义分析器，用于在查询时生成2词短语Token：

PUT /food-suggestion/_settings
{
  "analysis": {
    "analyzer": {
      "shingle_analyzer": {
        "tokenizer": "standard",
        "filter": [
          "lowercase",
          "shingle_filter"
        ]
      }
    },
    "filter": {
      "shingle_filter": {
        "type": "shingle",
        "min_shingle_size": 2,
        "max_shingle_size": 2,
        "output_unigrams": false  // 仅生成2词短语，不保留单个词，确保只有完整短语匹配
      }
    }
  }
}

• 若需要同时支持单个词（如cheesecake）和短语匹配，将output_unigrams设为true即可，分析器会同时生成单个词和短语Token。

步骤2：修改查询语句使用自定义分析器 #

更新查询，指定用shingle_analyzer处理输入文本，自动从输入中提取多词短语，匹配keywords字段的完整关键词：

GET /food-suggestion/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "keywords": {
              "query": "Today I have eaten a cinnamon roll",
              "analyzer": "shingle_analyzer",
              "operator": "or"
            }
          }
        }
      ],
      "filter": [
        {
          "term": {
            "languageId": 1
          }
        },
        {
          "term": {
            "webId": 2
          }
        }
      ]
    }
  }
}

原理说明 #

原查询使用standard分析器会将输入文本拆分为单个词（如cinnamon、roll），但keywords字段是keyword类型，存储的是完整的多词字符串（如cinnamon roll），单个词无法匹配完整字符串。

自定义Shingle分析器会将输入文本处理为连续的2词短语Token（如today i、cinnamon roll等），这些短语Token可以直接匹配keywords字段中存储的完整关键词，从而实现精准的短语匹配需求。

内容的提问来源于stack exchange，提问作者josep lluis marin trabalon