ElasticSearch中的模糊搜索：为什么输入错误还能搜索出来？

引言

在日常搜索中，用户经常会因为拼写错误或输入笔误导致搜索结果不准确。然而，ElasticSearch 提供了一种非常智能的模糊搜索（Fuzzy Search）功能，使得即使关键词输入错误，依然能够返回准确或接近的结果。这篇文章将深入探讨 ElasticSearch 是如何做到这一点的，并介绍如何实现搜索结果的纠错提示。

1. 什么是模糊搜索？

模糊搜索是一种搜索技术，允许用户即使在输入时存在拼写错误或笔误，也能够找到与之相近的匹配结果。

常见的应用场景

用户输入拼写错误，例如搜索“tesing”而不是“testing”。
用户不确定正确的拼写，例如搜索“analyse”而不是“analyze”。
搜索时存在同音字或者形近字问题。

2. ElasticSearch如何实现模糊搜索？

编辑距离算法

给定两个单词 word1 和 word2，计算出将 word1 转换成 word2 所使用的最少操作数，你可以对一个单词进行如下三种操作

插入一个字符
删除一个字符
替换一个字符

以下是一个编辑距离算法的举例

输入: word1 = "horse", word2 = "ros"
输出: 3
解释: 
horse -> rorse (将 'h' 替换为 'r')
rorse -> rose (删除 'r')
rose -> ros (删除 'e')

将 “horse” 转换为 “ros”，需要 3 次替换操作，因此它们的编辑距离为 3

基于相似度的查询

在 ElasticSearch 中，可以通过fuzzy进行相似度查询，fuzzy是基于编辑距离的

下面我们就是用fuzzy进行相似度查询

GET  logstash-village-2022.08.22/_search
{
  "query": {
    "fuzzy": {
      "name":"龙源居住区"
    }
  }
}

同时可以指定fuzziness参数，来确定每次查询允许的最大编辑距离，只要在这个距离范围之内的文档，都能被检索到

GET /my_index/_search
{
  "query": {
    "match": {
      "name": {
        "query": "cot",
        "fuzziness": "AUTO"
      }
    }
  }
}

工作原理

分词与索引阶段：ElasticSearch 将文档内容分词，并为每个分词建立倒排索引。
查询阶段：当用户输入搜索词时，ElasticSearch 根据 fuzziness 参数，生成多个可能的变体。
匹配与评分：ElasticSearch 通过计算编辑距离和相关性评分，返回最接近的匹配结果。

3. ElasticSearch中的纠错提示功能

纠错提示功能是什么

纠错是指在用户提交了错误的词项时给出正确词项的提示，而输入提示则是在用户输入关键字时给出智能提示，甚至可以将用户未输入完的内容自动补全

ES中的实现

ElasticSearch 提供了建议器（Suggester）功能，用于给出搜索纠错提示，帮助用户在拼写错误时获得正确的搜索建议。

下面就是使用纠错提示，我们输入龙源居住区，整体给出如下的提示选项

GET logstash-village-2022.08.22/_search
{
  "suggest": {
    "name-suggestion": {
      "text": "龙源居住区",
      "term": {
        "field": "name"
      }
    }
  }
}

秒客网