Elasticsearch 拆分词搜索时无空格合并词条的匹配优先级问题

问题根因 #

当前采用ES默认standard分词器时，索引和查询阶段都会按空格拆词条，最终算分逻辑不符合预期：

• 索引拆分结果：「Lipstick matte」被拆为lipstick、matte两个独立词条，无单独的lip/stick词条；「Lip balm」被拆为lip、balm两个独立词条
• 查询拆分结果：用户输入的「Lip stick」会被拆为lip、stick两个词条参与BM25算分
• 算分差异：「Lip balm」直接命中lip词条，得分自然高于没有命中独立拆词的「Lipstick matte」，最终出现排序颠倒的问题。

可落地优化方案 #

方案1：调整多字段映射，给连写匹配加权重 #

• 为name字段新增加权的子字段维度，无需推翻原有索引逻辑，逐步迁移即可生效
• 映射配置参考：

  PUT /products/_mapping
  {
    "properties": {
      "name": {
        "type": "text",
        "fields": {
          "weighted_match": {
            "type": "text",
            "analyzer": "standard",
            "boost": 5
          }
        }
      }
    }
  }
  

• 查询逻辑调整：
  • 预处理用户输入的搜索词，将带空格的拆分词拼接为连写形式（如把「Lip stick」处理为「Lipstick」），走加权的weighted_match字段做匹配
  • 拆分后的独立搜索词走普通权重的name字段match查询，两类结果通过bool查询的should子句合并，让命中连写词的文档凭借加权得分自然排到首位。

方案2：自定义同义词规则建立拆词与连写词的关联 #

• 配置自定义分词器的同义词映射，在索引和查询阶段自动关联拆分词与对应连写词：
  • 编写同义词词典，将lip, stick, lipstick纳入映射关系，保证用户输入拆分形式或连写形式都能匹配到对应文档
  • 注意必须区分不同词条的匹配权重，不能给所有同义词条设置相同权重，需要让完全命中连写长词的结果得分高于独立拆词的匹配结果，避免回到原排序问题。

方案3：配置ngram分词优化拆词粒度 #

• 为name字段自定义ngram分词器，在索引阶段把长连写词拆为可匹配的细粒度单元：
  • 对「Lipstick」这类连写词，拆分为lip、lipsti、lipstick等多段单元，用户输入拆分的lip、stick时可以直接关联到对应文档
  • 配合match_phrase的邻近度算分规则，让完整命中连写长词的结果，比仅命中局部拆段的结果获得更高得分。

所有配置调整完成后，需要对存量文档执行一次reindex操作，配置才能对历史文档生效。

内容的提问来源于stack exchange，提问作者dhruv