ElasticSearch中如何实现关键词组的自动补全/下一词建议功能？

嗨，我完全懂你的困扰——想实现支持词组的自动补全，试过Phrase Suggester（只能做拼写检查）和Completion Suggester（前缀匹配局限在字段开头，还得手动维护input字段，海量文档根本吃不消）都没达到预期。别慌，这里有个适配海量文档场景的方案，用自定义分析器+Term Suggester就能搞定，全程不用手动预处理文档。

核心思路 #

我们要让ElasticSearch在索引时自动生成两个关键内容：

1. 每个单词的前缀（用Edge N-Gram分词过滤器）——这样输入"neu"能匹配到所有以它开头的单词；
2. 相邻单词的组合（用Shingle分词过滤器）——这样能直接生成"Neural Network"这类词组，不用手动配置。

具体步骤 #

1. 创建带自定义分析器的索引 #

先建一个索引，定义好我们需要的分析器和映射：

PUT /phrase_autocomplete
{
  "settings": {
    "analysis": {
      "analyzer": {
        "phrase_autocomplete_analyzer": {
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "edge_ngram_filter",
            "shingle_filter"
          ]
        }
      },
      "filter": {
        "edge_ngram_filter": {
          "type": "edge_ngram",
          "min_gram": 2,
          "max_gram": 20,
          "side": "front"
        },
        "shingle_filter": {
          "type": "shingle",
          "min_shingle_size": 2,
          "max_shingle_size": 2,
          "output_unigrams": true  // 同时保留单个词，兼顾单字和词组补全
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "analyzer": "phrase_autocomplete_analyzer"
      }
    }
  }
}

2. 写入测试文档 #

把你的示例文档导入进去：

POST /phrase_autocomplete/_doc/1
{
  "content": "Neural Network Project"
}

POST /phrase_autocomplete/_doc/2
{
  "content": "Neutral Reaction of Chemical"
}

3. 执行补全查询 #

现在用Term Suggester就能拿到你想要的结果了：

POST /phrase_autocomplete/_search
{
  "suggest": {
    "phrase_suggestions": {
      "text": "neu",
      "term": {
        "field": "content",
        "suggest_mode": "popular",  // 优先返回出现频率高的建议
        "prefix_length": 2  // 和edge_ngram的min_gram对应，确保匹配输入前缀
      }
    }
  }
}

这个查询会返回：Neural、Neutral、Neural Network、Neutral Reaction，完全符合你的需求！

为什么这个方案适合你？ #

• 零手动维护：分析器会自动在索引时生成所有需要的前缀和词组，哪怕文档量持续增长也不用额外处理；
• 不局限于字段开头：只要文档里的单词以输入前缀开头，不管它在句子的哪个位置，对应的词组都能被匹配到；
• 返回完整词组：Shingle过滤器会保留完整的词组，不会出现Completion Suggester那样的截断问题。

额外优化建议 #

• 可以根据实际需求调整edge_ngram_filter的min_gram（比如用户最少输入3个字符才触发补全，就设为3）和max_gram；
• 如果需要支持更长的词组（比如3个词的组合），把shingle_filter的max_shingle_size改成3就行；
• 要是对性能有更高要求，可以给content字段加一个keyword子字段，配合聚合查询来按频率排序建议结果。

备注：内容来源于stack exchange，提问作者Mohammad Erami