这是一个创建于 920 天前的主题，其中的信息可能已经有所发展或是发生改变。
我们目前有一个列表搜索功能，使用的 es 实现搜索功能，但是无论怎么优化，始终跟竞品（携程、美团）比有差距
主要差距在一下纠错、联想、排序方面
case1 、比如输入："gugong"、"gug"、"故宫"、"顾工"、"故"， 均出现故宫（我们目前是单独存了一些搜索关键词字，比如故宫会存：gugong 、gg 、gug 、顾工等，但是效果明显不如竞品）
case2 、 分词问题，比如有一个饭店叫“烟台国际饭店”，那么这个名字在 es 里面的分词是“烟台、国际、饭店” 用户如果输入“烟台国”，用户输入的分词结果为“烟台、国”，这个时候虽然能够搜索出这个饭店，但是排序靠后，反而出现了一个“烟台大酒店”在前面。我猜测 es 只找到了“烟台”这个词去计算排序分，“国”和“国际”不相等，因此没有参与排序分计算
case3 、还是“烟台国际饭店”，如果用户完整的输入“烟台国际饭店”，这个时候召回结果第一条就是他，但是还会有很多其他类似的结果，比如“烟台大饭店”也在结果内，虽说结果也能接受，但是能否在完全精确命中的情况下把多余的结果去掉呢？（尝试过"operator"设置成"and"，但是这样会导致某些情况下搜不到数据）
所以前来请教一下，现目前做搜索推荐，除了 es 是否还有更好的技术方案呢？包含纠错、拼音缩写这种常见的业务场景
如果仅仅是我们对 es 调教不到位，可否推荐一些进阶的 es 搜索优化资料？
感谢你看完以上问题，小弟无以为报，磕头感谢 [狗头]
主要差距在一下纠错、联想、排序方面
case1 、比如输入："gugong"、"gug"、"故宫"、"顾工"、"故"， 均出现故宫（我们目前是单独存了一些搜索关键词字，比如故宫会存：gugong 、gg 、gug 、顾工等，但是效果明显不如竞品）
case2 、 分词问题，比如有一个饭店叫“烟台国际饭店”，那么这个名字在 es 里面的分词是“烟台、国际、饭店” 用户如果输入“烟台国”，用户输入的分词结果为“烟台、国”，这个时候虽然能够搜索出这个饭店，但是排序靠后，反而出现了一个“烟台大酒店”在前面。我猜测 es 只找到了“烟台”这个词去计算排序分，“国”和“国际”不相等，因此没有参与排序分计算
case3 、还是“烟台国际饭店”，如果用户完整的输入“烟台国际饭店”，这个时候召回结果第一条就是他，但是还会有很多其他类似的结果，比如“烟台大饭店”也在结果内，虽说结果也能接受，但是能否在完全精确命中的情况下把多余的结果去掉呢？（尝试过"operator"设置成"and"，但是这样会导致某些情况下搜不到数据）
所以前来请教一下，现目前做搜索推荐，除了 es 是否还有更好的技术方案呢？包含纠错、拼音缩写这种常见的业务场景
如果仅仅是我们对 es 调教不到位，可否推荐一些进阶的 es 搜索优化资料？
感谢你看完以上问题，小弟无以为报，磕头感谢 [狗头]
 |
1
sdot96 2022-05-20 16:26:16 +08:00
mark ，同样好奇怎么解决这些问题
|
|
2
sdot96 2022-05-30 15:30:42 +08:00
case1：能否说一下，具体比如什么东西他们是可以提示，但是你们没有提示的?
case2：这个可以通过 should + constant_score + boost + match_phrase/match_phrase_prefix 进行解决。 case3：这个我理解你可以把所有数据查询出来以后，再在业务代码里面做一遍过滤 ，只给前端返回完全匹配的结果。 |
|
3
sdot96 2022-05-30 15:39:45 +08:00
@sdot96
修改一下，个人理解，可以看看，欢迎大佬拍砖。 ○ case1：这个我理解是你们也可以提示，但是只能提示一部分，比如一些特定的词语，比如故宫，北京，但是如果河南就不能了？如果是这样，我理解是不是可以配置 pinyin_analyzer 到你们搜索的对应字段上，可以解决你这个问题。 ○ case2：这个我理解可以通过 should + constant_score + boost + match_phrase/match_phrase_prefix 进行解决。 ○ case3： 这个我理解你可以把所有数据查询出来以后(查询的时候将完全匹配的数据进行 boost 放大)，再在业务代码里面做一遍过滤（通过分数进行过滤） ，只给前端返回完全匹配的结果。 |
 |
4
sadfQED2 OP @sdot96 #3 首先感谢回复哈
case1 主要问题是一些错字导致搜不到，比如“故宫”，用户输入了“股宫”，这样就搜不到了 我们最终的解决方案： 1 、由于我们业务场景，搜索的都是名字，并不是搜索描述文本，所以我们最终并没有使用 ik 之类的分词器进行分词，我们录入数据的时候，将名字直接拆成各种文字组合，比如“烟台国际饭店”，我们会录入“烟、烟台、烟台国、烟台国际、烟台国际饭、烟台国际饭店、台、台国、台国际、台国际饭...”，同时在这一步把所有中文也转成拼音和拼音缩写存进去。最终程序拆好词以后各个词空格隔开，存进 es ，es 里面使用空格分词 2 、基于第一步拆出来的字段，这个字段交给运营去维护，比如运营觉得搜索“顾宫”应该出现“故宫”，那么他只需要把“顾宫”加到故宫的搜索词里面即可 对于 Case3 ，我们这样自己拆词以后，搜索的时候将 es 的 operator 设置成 and 就没问题了 最后个人总结： 感觉 es 的设计是拿来做文章搜索的，对于名称这种搜索场景其实并不太合适。我们最终方案相当于仅仅是使用了 es 的倒排索引，而并没有用到 es 的分词功能 |
Select Language