Elasticsearch高亮时如何获取目标词更多前置上下文信息？

问题场景 #

使用Elasticsearch高亮功能时，需要获取目标词之前的更多上下文内容：

• 原始文本：

First sentense. Second sentense. The sentense contain target. Forth sentense.

• 当前搜索“target”返回的高亮片段：

The sentense contain target. Forth sentense.

• 期望的高亮片段：

Second sentense. The sentense contain target. Forth sentense.

当前查询语句 #

GET chapter_document/_search
{
  "query": {
    "match_phrase": {
      "content": "target"
    }
  },
  "collapse": {
    "field": "bookId"
  },
  "sort": [
    {
      "bookId": {
        "order": "desc"
      }
    }
  ], 
  "search_after" : ["10000097"],
  "highlight" : {
    "fields" : {
      "content" : { 
        "pre_tags" : ["<hl>"],
        "post_tags" : ["</hl>"]
        
      }
    }
  }
}

已尝试操作 #

• 增大fragment_size参数，但仅能扩展目标词之后的内容，无法获取前置上下文。

解决方案 #

通过修改高亮配置，使用unified高亮器并开启prefer_prev参数，配合合适的fragment_size即可实现需求：

修改后的查询语句 #

GET chapter_document/_search
{
  "query": {
    "match_phrase": {
      "content": "target"
    }
  },
  "collapse": {
    "field": "bookId"
  },
  "sort": [
    {
      "bookId": {
        "order": "desc"
      }
    }
  }, 
  "search_after" : ["10000097"],
  "highlight" : {
    "fields" : {
      "content" : { 
        "pre_tags" : ["<hl>"],
        "post_tags" : ["</hl>"],
        "type": "unified",
        "prefer_prev": true,
        "fragment_size": 200,
        "boundary_scanner": "sentence"
      }
    }
  }
}

参数说明 #

• type: "unified"：启用unified高亮器，支持更灵活的片段位置控制
• prefer_prev: true：强制高亮片段优先包含目标词之前的内容，将目标词置于片段后半部分
• fragment_size：设置高亮片段的总长度，需根据文本实际长度调整，确保能容纳前置上下文与目标内容
• boundary_scanner: "sentence"：以句子为边界分割片段，避免出现截断句子的情况

内容的提问来源于stack exchange，提问作者xingbin