Elasticsearch-倒排索引

Elasticsearch 使用一种称为 倒排索引 的结构，它适用于快速的全文搜索。
一个倒排索引由文档中全部不重复词的列表构成，对于其中每一个词，有一个包含它的文档列表。

假设咱们有两个文档，每一个文档的 content 域包含以下内容：

1. The quick brown fox jumped over the lazy dog
2. Quick brown foxes leap over lazy dogs in summer

为了建立倒排索引，咱们首先将每一个文档的 content 域拆分红单独的 词（咱们称它为 词条 或 tokens ），建立一个包含全部不重复词条的排序列表，而后列出每一个词条出如今哪一个文档。结果以下所示：

Term      Doc_1  Doc_2
-------------------------
Quick   |       |  X
The     |   X   |
brown   |   X   |  X
dog     |   X   |
dogs    |       |  X
fox     |   X   |
foxes   |       |  X
in      |       |  X
jumped  |   X   |
lazy    |   X   |  X
leap    |       |  X
over    |   X   |  X
quick   |   X   |
summer  |       |  X
the     |   X   |
------------------------

如今，若是咱们想搜索 quick brown ，咱们只须要查找包含每一个词条的文档：

Term      Doc_1  Doc_2
-------------------------
brown   |   X   |  X
quick   |   X   |
------------------------
Total   |   2   |  1

两个文档都匹配，可是第一个文档比第二个匹配度更高。若是咱们使用仅计算匹配词条数量的简单 类似性算法 ，那么，咱们能够说，对于咱们查询的相关性来说，第一个文档比第二个文档更佳。

可是，咱们目前的倒排索引有一些问题：

• Quick 和 quick 以独立的词条出现，然而用户可能认为它们是相同的词。
• fox 和 foxes 很是类似, 就像 dog 和 dogs ；他们有相同的词根。
• jumped 和 leap, 尽管没有相同的词根，但他们的意思很相近。他们是同义词。

使用前面的索引搜索 +Quick +fox 不会获得任何匹配文档。（记住，+ 前缀代表这个词必须存在。）只有同时出现 Quick 和 fox 的文档才知足这个查询条件，可是第一个文档包含 quick fox ，第二个文档包含 Quick foxes 。

咱们的用户能够合理的指望两个文档与查询匹配。咱们能够作的更好。

若是咱们将词条规范为标准模式，那么咱们能够找到与用户搜索的词条不彻底一致，但具备足够相关性的文档。例如：

• Quick 能够小写化为 quick 。
• foxes 能够 词干提取 --变为词根的格式-- 为 fox 。相似的， dogs 能够为提取为 dog 。
• jumped 和 leap 是同义词，能够索引为相同的单词 jump 。

如今索引看上去像这样：

Term      Doc_1  Doc_2
-------------------------
brown   |   X   |  X
dog     |   X   |  X
fox     |   X   |  X
in      |       |  X
jump    |   X   |  X
lazy    |   X   |  X
over    |   X   |  X
quick   |   X   |  X
summer  |       |  X
the     |   X   |  X
------------------------