如何配置Elasticsearch自动补全，提升开头匹配结果的排名优先级？

问题背景 #

存储的职位头衔示例：

• Senior Software Engineer
• Assistant Software Engineer
• Staff Software Engineer
• Group Software Engineer
• Software Engineer

查询Software Engg时，Assistant Software Engineer排在首位，需要调整结果顺序为：

1. Software Engineer
2. Assistant Software Engineer
3. Group Software Engineer
4. Senior Software Engineer

当前配置 #

索引映射 #

{
  "properties": {
    "name": {"type": "search_as_you_type"}
  }
}

查询代码 #

s = s.query(Q("match_phrase_prefix", name={"query": input_string})).sort('_score')
res = s.execute()

解决方案 #

方法一：用function_score提升开头匹配文档的权重 #

通过function_score为字段开头匹配查询前缀的文档额外加分，让这类文档排名更靠前。修改后的查询代码：

input_string = "Software Engg"
s = s.query(
    Q("function_score",
      query=Q("match_phrase_prefix", name={"query": input_string}),
      functions=[
          {"filter": Q("prefix", name=input_string.split()[0]), "weight": 10}
      ],
      boost_mode="sum"
    )
).sort('_score')
res = s.execute()

逻辑：先执行原短语前缀查询，再对name字段以查询词首单词（Software）开头的文档增加10分权重，这类文档的总分会更高，自然排在前面。

方法二：调整映射增加前缀专用字段 #

如果追求更高效的前缀匹配，可修改索引映射，新增标准化的keyword字段用于开头匹配：

{
  "settings": {
    "analysis": {
      "normalizer": {
        "lowercase_normalizer": {
          "type": "custom",
          "filter": ["lowercase"]
        }
      }
    }
  },
  "properties": {
    "name": {
      "type": "search_as_you_type",
      "fields": {
        "prefix": {
          "type": "keyword",
          "normalizer": "lowercase_normalizer"
        }
      }
    }
  }
}

查询时用bool组合短语前缀匹配和前缀字段匹配，给后者更高权重：

input_string = "Software Engg"
prefix_term = input_string.split()[0].lower()
s = s.query(
    Q("bool",
      must=Q("match_phrase_prefix", name={"query": input_string}),
      should=[
          Q("term", name__prefix=prefix_term, boost=5)
      ],
      minimum_should_match=0
    )
).sort('_score')
res = s.execute()

方法三：直接用bool查询组合条件（无需修改映射） #

在原查询基础上，增加prefix查询作为should子句提升权重，无需调整现有映射：

input_string = "Software Engg"
s = s.query(
    Q("bool",
      must=Q("match_phrase_prefix", name={"query": input_string}),
      should=[
          Q("prefix", name=input_string.split()[0], boost=8)
      ]
    )
).sort('_score')
res = s.execute()

这种方式既保留原有的短语前缀匹配逻辑，又通过should子句给开头匹配的文档额外加分，实现排名优化。

内容的提问来源于stack exchange，提问作者Manish