Elasticsearch：準確值與全文本

歸納地說，Elasticsearch將數據分紅兩類：準確值（Exact values）和全文本（Full text）。

準確值就是它們聽上去的那樣。諸如日期或用戶ID。固然字符串也能夠是準確值，如用戶名或郵件地址。準確值Foo與準確值foo是不一樣的。準確值2014和準確值2014-09-15也是不一樣的。

 

另外一方面，全文本（full text）指的是一般用人類語言寫的文本數據，像一條tweet的文本或一封郵件的內容。

全文本也常常被稱爲非結構化數據（unstructured data）。這個定義並不十分恰當，由於天然語言是高度結構化的。問題在於天然語言的規則是很是複雜的，以致於計算機很難正確地解析它們。例如如下句子：May is fun but June bores me.

請問，May 和 June到底指的是月份仍是人？

準確值很是容易查詢。由於它要麼匹配查詢條件，要麼不匹配。像下面這種查詢就很容易使用SQL來表達：

     WHERE name = "John Smith"

          AND user_id = 2

          AND date > "2014-09-15"

相對準確值查詢，全文查詢更爲微妙。咱們不會只問：「這份文檔是否能匹配此次查詢」，而是問：「這份文檔有多匹配此次查詢」。換種說法，這份文檔與此次查詢有多相關。

咱們不多對整個全文文本字段（full-text field）進行準確匹配。取而代之，咱們會想去查詢存在裏面的文本字段。不過不僅這種方式，咱們指望搜索引擎能理解咱們的意圖：

     * 當咱們搜索UK時，它應該還會返回提到United Kingdom的文檔

     * 當咱們搜索jump時，它應該還會匹配jumped、jumps、jumping，甚至leap

     * jhnny walker 應該還會匹配Johnnie Walker。 而johnnie depp應該匹配到Johnny Depp。

     * fox news hunting應該返回在Fox News上的關於hunting的故事。而fox hunting news應該返關於fox hunting的新聞。

爲了使這種全文搜索更容易，Elasticsearch首先對文本進行分析，而後使用分析結果構建反向索引（inverted index）。接下來的兩節，咱們將討論反向索引和這個分析過程。

小結

一開始學習信息檢索時，很容易地就認爲SQL語句不是徹底能夠實現搜索功能了麼。後來學習到全文檢索和反向索引，就明白信息檢索背後還須要不少不一樣的技術來支持，如分詞技術、索引、天然語言處理等。

說回來，目前我學習到，使用的都是「索引」思路來解決搜索問題。那麼是否是存在另外一些人們不知道的信息檢索思路？這裏說的索引思路，指的是使用某種方法抽取出待搜索物的特徵，查詢時，只要與這些特徵比較就能夠哪些待搜索物匹配查詢了。