Elasticsearch使用match_phrase匹配连续词结果不符合预期如何解决

问题根因 #

1. 普通match查询会将查询文本分词为独立词条，只要文档name字段包含任意词条就会命中，所以仅匹配到停用词in的Alice in Chains也会被返回。
2. match_phrase无结果是因为该查询要求文档字段完整包含查询文本的连续词条序列，而你的场景是短tag是长查询文本的子片段，匹配逻辑刚好相反，因此无法命中。

适配ES 6.8的解决方案 #

使用带minimum_should_match参数的match查询，搭配短语匹配权重提升，既过滤低匹配度结果，又能让连续重合度高的结果排在前面：

POST /example-tags/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "name": {
              "query": "Dream Theater keyboardist's Jordan Rudess was born in 1956",
              "minimum_should_match": 2,
              "boost": 1
            }
          }
        },
        {
          "match_phrase": {
            "name": {
              "query": "Dream Theater keyboardist's Jordan Rudess was born in 1956",
              "boost": 10,
              "slop": 0
            }
          }
        }
      ]
    }
  }
}

参数说明：

• minimum_should_match: 2 要求至少匹配2个词条，直接过滤掉仅匹配单个无意义停用词的结果
• 给match_phrase设置更高的boost权重，只要tag是查询文本的连续子片段，就会获得更高的得分，排在结果最前

可选优化 #

如果需要彻底避免停用词导致的误匹配，可以修改name字段的分词器配置，加入英文停用词过滤规则，索引阶段就移除in/on/at这类无意义常用词，进一步提升匹配准确率。
如果后续升级到ES 7.2及以上版本，可以使用更精准的Intervals查询实现完全匹配连续子片段的需求。

内容的提问来源于stack exchange，提问作者Cesar Jr Rodriguez