目录

ES核心相似度匹配逻辑：

分词器选择：

IK 分词器

分词器使用演示：

ik分词器最佳实践：

使用minimum_should_match

正向匹配度-使用个数

正向匹配度-使用百分比

逆向匹配

组合匹配（Combination)

ES的核心相似度匹配逻辑，或者匹配目的，可以不是很严谨的用以下两句话承载。

详见：Elasticsearch中的相似度评分机制_chenxy02的博客-CSDN博客_elasticsearch 相似度

ES相似度匹配的结果与所选择的分词器类别息息相关，常见的分词器如下：

IK分词器有两种分词模式：ik_max_word和ik_smart模式。

1、ik_max_word

会将文本做最细粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、华人、人民共和国、人民、共和国、大会堂、大会、会堂等词语。

2、ik_smart

会做最粗粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为中华人民共和国、人民大会堂。

使用es内置standard分词算法：

使用ik_max_word分词算法：

使用ik_smart分词算法：

关于做中文检索时，使用分词器的最佳实践业界有两种说法：

1、索引时用ik_max_word，在搜索时用ik_smart。即：索引时最大化的将文章内容分词，搜索时更精确的搜索到想要的结果。

2、创建mapping时指定分词器和查询事指定的分词器，保持一致。

这一部分我们使用的实验数据为：

ElasticSearch query中的minimum_should_match，最小匹配度。它有很多种配置方式。

比如 "minimum_should_match":3 官方原文解释是：Indicates a fixed value regardless of the number of optional clauses。

这里要说明一下为什么是optional clauses（翻译为可选的子句），因为对于被analyzer分解出来的每一个term都会构造成一个should的bool query的查询,每个term变成一个term query子句。

比如 "query": "what is your"，会被解析成：

不使用  "minimum_should_match"的情况：

使用 "minimum_should_match:2"的情况：

比如"minimum_should_match":75%，可以配置一个一个百分比，至少optional clauses至少满足75%，这里是向下取整的。  比如有5个clause,5*75%=3.75,向下取整为3，也就是至少需要match 3个clause。 

注意：由于是向下取整，所以尤其针对短的query，我们把"minimum_should_match"设为大于100% 还是可以得到结果（如下，130*3=3.90，向下取整为3）

逆向匹配和正向匹配相反，比如我们可以近似理解为-25%和75%表示的是一个意思，但是有些小小的差异，比如有5个clause，逆向匹配-25%，5*25%=1.25，取整是1,5-1=4，即要匹配4个clause，而75%算出来是3个clause。 

比如，"minimum_should_match": 3