如何控制Elasticsearch模糊匹配评分，过滤无关公司搜索结果？

你的问题核心是fuzziness: auto的模糊匹配规则太宽松，加上多字段加权后，仅匹配单个词的无关结果会获得过高评分。以下是几个针对性的解决方案：

1. 收紧模糊匹配的编辑距离 #

把fuzziness从auto改为更严格的范围限制，比如使用AUTO:2,5（规则：词长≤2时不允许编辑，2<词长≤5时允许1次编辑，词长>5时允许2次编辑），避免长词被错误匹配。

修改后的查询示例：

"query": {
  "multi_match": {
    "query": "blabla west",
    "fields": [
      "company_name^2",
      "other_names^1"
    ],
    "fuzziness": "AUTO:2,5"
  }
}

这样blabla（5个字符）需要匹配到编辑距离≤1的词，而它和sam's的编辑距离远大于1，只会匹配到west，但单词匹配的评分会大幅降低，不会让无关结果排到前面。

2. 强制多词匹配要求 #

通过operator: AND或minimum_should_match要求搜索的所有词都必须匹配文档，避免仅匹配单个词就被召回。

比如设置operator: AND，确保只有同时匹配所有搜索词的结果才会被召回：

"query": {
  "multi_match": {
    "query": "blabla west",
    "fields": [
      "company_name^2",
      "other_names^1"
    ],
    "fuzziness": "auto",
    "operator": "AND"
  }
}

此时搜索blabla west时，因为blabla无法匹配到sam's club的任何字段，这条记录就不会被召回；而搜索sam's west时，两个词都能匹配，正常返回结果。

如果需要兼顾部分匹配但降低无关结果权重，可以用minimum_should_match，比如设置为100%，效果和operator: AND一致；如果是多词搜索，也可以设置为75%之类的比例，灵活调整匹配要求。

3. 拆分精准与模糊匹配，分层加权 #

用布尔查询将精准匹配和模糊匹配分开，给精准匹配更高权重，同时确保模糊匹配也满足多词要求，既保留有效匹配的高评分，又过滤无关结果。

示例查询：

"query": {
  "bool": {
    "should": [
      // 精准全匹配，权重最高
      {
        "multi_match": {
          "query": "sam's west",
          "fields": ["company_name^3", "other_names^2"],
          "operator": "AND"
        }
      },
      // 模糊全匹配，权重次之
      {
        "multi_match": {
          "query": "sam's west",
          "fields": ["company_name^2", "other_names^1"],
          "fuzziness": "AUTO:2,5",
          "operator": "AND"
        }
      }
    ],
    "minimum_should_match": 1
  }
}

这种方式既能让精准匹配的结果拿到最高评分，又能避免仅单词模糊匹配的无关结果被召回。

4. 预处理公司名，优化匹配基础 #

提前对公司名做归一化处理：

• 用自定义分析器去除标点、统一大小写，比如把sam's club转为sams club；
• 配置同义词词典，把sam's club和sam's west设为同义词，让精准搜索也能覆盖别名；
• 对常见缩写做扩展，比如co.转为company。

预处理后可以减少因格式差异导致的错误模糊匹配，提升匹配的准确性。

内容的提问来源于stack exchange，提问作者Lior Y