如何在Elasticsearch中查询数组内相似度超80%的匹配文档

该需求完全可以在Elasticsearch中实现，Elasticsearch原生支持数组字段的任意元素匹配规则，无需改造现有存储结构，你可以根据相似度算法要求选择对应方案：

如果你的相似度计算规则采用Levenshtein编辑距离（统计两个字符串之间的字符增、删、改操作次数判断相似度），直接使用match查询配置模糊阈值即可实现需求：

{
  "query": {
    "match": {
      "names.keyword": {
        "query": "name testson",
        "fuzziness": "80%"
      }
    }
  }
}

参数说明：

• names.keyword 对应完整未分词的姓名字段，确保对整个姓名串做相似度计算，如果你允许对姓名拆分单词后匹配，可以改为names字段
• fuzziness: "80%" 即设定相似度阈值为80%，低于该阈值的匹配结果会被自动过滤，只要数组内存在任意一个姓名满足阈值，文档就会被返回

如果你的业务要求使用非内置的指定相似度算法（如Jaccard系数、余弦相似度、自定义姓名匹配规则等），可以通过Painless脚本实现自定义计算逻辑：

{
  "query": {
    "bool": {
      "filter": {
        "script": {
          "script": {
            "source": """
              for (String name : doc['names.keyword']) {
                // 此处替换为你的自定义相似度计算逻辑，入参为数组内的姓名和输入姓名，返回0-1之间的相似度值
                double similarity = customSimilarityCalc(name, params.inputName);
                if (similarity >= 0.8) {
                  return true;
                }
              }
              return false;
            """,
            "params": {
              "inputName": "name testson"
            }
          }
        }
      }
    }
  }
}

优化建议：

• 数据量较大的场景下，可以提前对names字段做n-gram分词预处理，减少脚本实时计算的开销，提升查询性能

内容的提问来源于stack exchange，提问作者D. O.