Elasticsearch中如何利用索引内synonyms字段实现同义词搜索

Elasticsearch的全局同义词分析器是索引级别的全局配置，无法直接引用单条文档的字段值，所以要实现每条文档自定义同义词的需求，得从查询阶段动态处理入手，以下是具体实现步骤：

1. 创建基础索引 #

不需要配置同义词分析器，只需定义字段类型，注意开启synonyms字段的fielddata方便后续脚本处理：

PUT /test_synonym
{
  "mappings": {
    "properties": {
      "name": { "type": "text" },
      "description": { "type": "text" },
      "synonyms": { "type": "text", "fielddata": true }
    }
  }
}

2. 插入批量数据 #

先修正你原数据里重复_id的问题（会导致后插入的数据覆盖前一条），然后执行批量插入：

POST /test_synonym/_bulk
{"index":{"_index":"test_synonym","_id":"1"}}
{"name":"test one two","description":"test numbers","synonyms": "tot, number"}
{"index":{"_index":"test_synonym","_id":"2"}}
{"name":"test coding","description":"test coding","synonyms": "tc, program"}

3. 方法一：查询时用脚本扩展同义词条件 #

当搜索某个词时，通过bool查询同时匹配原始字段和同义词组：

GET /test_synonym/_search
{
  "query": {
    "bool": {
      "should": [
        // 匹配name/description里的查询词
        { "multi_match": { "query": "tot", "fields": ["name", "description"] } },
        // 匹配同义词组包含查询词的文档（实现同义词反向匹配）
        {
          "script": {
            "script": {
              "source": """
                def syns = doc['synonyms'].value.split(',');
                for (def syn : syns) {
                  if (syn.trim() == params.query_term) {
                    return true;
                  }
                }
                return false;
              """,
              "params": { "query_term": "tot" }
            }
          }
        }
      ]
    }
  }
}

4. 方法二：用Runtime字段预拆分同义词数组 #

提前定义一个Runtime字段，把逗号分隔的synonyms拆成数组，后续查询更简洁：

PUT /test_synonym/_mapping
{
  "runtime": {
    "synonym_list": {
      "type": "keyword",
      "script": """
        def synArray = new ArrayList();
        if (doc['synonyms'].size() > 0) {
          def syns = doc['synonyms'].value.split(',');
          for (def syn : syns) {
            synArray.add(syn.trim());
          }
        }
        emit(synArray);
      """
    }
  }
}

之后查询时直接用terms匹配同义词数组，结合原始字段查询：

GET /test_synonym/_search
{
  "query": {
    "bool": {
      "should": [
        { "multi_match": { "query": "program", "fields": ["name", "description"] } },
        { "terms": { "synonym_list": ["program"] } }
      ]
    }
  }
}

5. 进阶：实现双向同义词匹配（类似分析器替换效果） #

如果要实现“搜索同义词组里的任意词，都能匹配到文档的原始字段内容”，可以用脚本把同义词组的所有词都作为查询条件：

GET /test_synonym/_search
{
  "query": {
    "bool": {
      "should": [
        { "multi_match": { "query": "tot", "fields": ["name", "description"] } },
        {
          "script": {
            "script": {
              "source": """
                def syns = doc['synonyms'].value.split(',');
                def queryTerms = new ArrayList();
                queryTerms.add(params.query_term);
                for (def syn : syns) {
                  queryTerms.add(syn.trim());
                }
                return doc['name'].value.containsAny(queryTerms) || doc['description'].value.containsAny(queryTerms);
              """,
              "params": { "query_term": "tot" }
            }
          }
        }
      ]
    }
  }
}

注意事项 #

• 别用索引时的同义词分析器：全局分析器没法引用单文档字段，必须在查询阶段处理。
• 性能优化：如果数据量较大，建议索引时就把synonyms存成数组类型（比如["tot", "number"]），减少脚本拆分的开销。

内容的提问来源于stack exchange，提问作者Narayan bhat