Elasticsearch精准匹配单词问题：如何规避相似词汇匹配？

我之前处理Enron邮件数据集时刚好碰到过一模一样的坑：当时把邮件正文拆成段落存在nested文档里，为了验证查询准确性，特意选了语料里不常见的单词electrons测试，结果命中数直接飙到10000+，而且几乎所有含electronic的邮件都被错误匹配了！

当时排查走了不少弯路：

• 一开始用match过滤器，改成match_phrase后问题依旧；
• 换成term查询更离谱，直接返回0条命中。

后来才揪出问题根源：text字段用了snowball analyzer，这个分词器会做词干提取，electrons和electronic会被处理成同一个词干，自然没法区分。

解决方法很直接：

1. 重新创建索引，将text字段的分词器改为standard analyzer；
2. 重新导入Enron数据集；
3. 再用match查询electrons，就能精准匹配目标单词，不会再误打中electronic了。

内容的提问来源于stack exchange，提问作者Angus