1-elasticsearch - context suggester
前言
虽然完成建议器已经能返回所有和输入文本相匹配的结果，但有些使用案例需要过滤。这就要用到了上下文过滤器，它在完成建议器的基础上加入了过滤功能。
上下文建议器允许用户使用context上下文来进行过滤，上下文可以是分类（词条）或者地理位置，为了开启上下文，同样在映射中指定，然后在文档和建议中提供上下文。
完成建议器考虑索引中的所有文档，但通常我们希望提供某些标准过滤或者提升的建议。例如，我们想要推荐某些歌手过滤的歌曲标题，或者我们希望根据其类型推广歌曲标题。
要实现建议过滤或者提升，我们可以在配置完成字段时添加上下文映射，我们也可以为完成字段定义多个上下文映射，每个上下文映射都有唯一的名称和类型，有两种类型category和geo。上下文映射contexts在字段映射中的参数下配置。
注意：在索引查询启用上下文的完成字段时，必须提供上下文。
如下示例定义了类型，每个类型都有一个完成字段的两个上下文映射：
PUT place
{
"mappings": {
"doc":{
"properties":{
"title":{
"type":"completion",
"contexts":[
{①
"name":"place_type",
"type": "category"
},
{②
"name":"location",
"type":"geo",
"precision": 4
}
]
}
}
}
}
}
PUT place_path_category
{
"mappings": {
"doc":{
"properties":{
"title":{
"type":"completion",
"contexts":[
{③
"name":"place_type",
"type":"category",
"path":"cat"
},
{④
"name":"location",
"type":"geo",
"precision": 4,
"path":"loc"
}
]
},
"loc":{
"type":"geo_point"
}
}
}
}
}
- ①，定义category名为place_type的上下文，其中必须与建议一起发送类别。
- ②，定义一个geo名为location的上下文，其中必须使用建议发送类别。
- ③，定义category名为place_type的上下文，其中必须从cat字段字段中读取类别。
- ④，定义geo名为location的上下文，其中从loc字段中读取类别。
注意：添加上下文映射会增加完成字段的索引大小，完成索引完全是堆驻留的，我们可以使用Indices Stats监视完成字段索引的大小。
类别上下文
在category上下文允许我们将一个或多个类别与索引时间的建议关联，在查询时，建议可以通过其关联的类别进行过滤和提升。
映射的设置与place_type上面的字段类似，如果path已定义，则从文档中的该路径读取类别，否则必须在建议字段中发送它们，如下示例所示：
PUT place/doc/1
{
"title":{
"input":["timmy's", "starbucks", "dunkin donuts"],
"contexts":{
"place_type":["cafe", "food"] ①
}
}
}
- ①，这些建议将与咖啡馆和食品类别相关联。
如果映射有path， 那么以下索引请求就可以添加类别：
PUT place_path_category/doc/1
{
"title":["timmy's", "sstarbucks", "dunkin donuts"],
"cat":["cafe", "food"] ①
}
- ①，这些建议将与咖啡馆和食品类别相关联。
注意：如果上下文映射引用另一个字段并且类别被明确索引，则使用两组类别对建议进行索引。
类别查询
建议可以按一个或多个类别进行过滤，以下按多个类别过滤建议：
POST place/_search
{
"suggest":{
"place_suggestion":{
"prefix":"tim",
"completion":{
"field":"title",
"size": 10,
"contexts":{
"place_type":["cafe", "restaurants"]
}
}
}
}
}
注意，如果在查询上设置了多个类别或者类别上下文，则将它们合并为分离。这意味着如果建议包含至少一个提供的上下文值，则建议匹配。
某些类别的建议可能会比其他类别高，以下按类别过滤建议，并额外提升与某些类别相关的建议：
POST place/_search
{
"suggest": {
"place_suggestion": {
"prefix": "tim",
"completion": {
"field": "title",
"size": 10,
"contexts":{
"place_type":[ ①
{
"context":"cafe"
},
{
"context":"restaurants", "boost":2
}
]
}
}
}
}
}
- ①，上下文查询过滤建议与类别咖啡馆和餐馆相关联，并且通过因子增强与餐馆相关联的建议
除了接受类别值之外，上下文查询还可以由多个类别上下文子句组成，category上下文支持以下参数：
- context，要过滤/提升的类别的值，这是强制性的。
- boost，应该提高建议分数的因素，通过将boost乘以建议权重来计算分数，默认为1。
- prefix，是否应该将类别实为前缀，例如，如果设置为true，则可以通过指定类型的类别前缀来过滤type1，type2等类别，默认为false。
注意：如果建议条目与多个上下文匹配，则最终分数被计算为由任何匹配上下文产生的最大分数。
地理位置上下文
一个geo上下文允许我们将一个或多个地理位置或geohash与在索引时间的建议关联，在查询时，如果建议位于地理位置特定的距离内，则可以过滤和提升建议。
在内部，地位置被编码为具有指定精度的地理位置。
地理映射
除了path设置，geo上下文映射还接受以下设置：
- precision，它定义了地理散列的精度要被索引并且可以指定为一个距离值（5km，10km等），或作为原料地理散列精度（1 … 12）。默认为原始geohash精度值6。
注意：索引时间precision设置可以在查询时使用的最大geohash精度。
索引地理上下文
geo上下文可以通过参数显式设置或通过path参数从文档中的地理点地段建立索引，类似于category上下文，将多个地理位置上下文与建立相关联，将为每个地理位置索引建议，以下索引具有两个地理位置上下文的建议：
PUT place/doc/2
{
"title":{
"input":"timmy's",
"contexts":{
"location":[
{
"lat":43.6624803,
"lon":-79.3863353
},
{
"lat":43.6624718,
"lon":-79.3873327
}
]
}
}
}
地理位置查询
建议可以根据它们与一个或多个地理点的接近程度进行过滤和提升，以下过滤建议属于地理位置点的编码geohash所代表的区域内的建议：
POST place/_search
{
"suggest": {
"place_suggestion": {
"prefix": "tim",
"completion": {
"field": "title",
"size": 4,
"contexts":{
"location":{
"lat": 43.662,
"lon": -79.380
}
}
}
}
}
}
注意：当指定查询精度较低的位置时，将考虑属于该区域内的所有建议。如果在查询上设置了多个类别或类别上下文，则将它们合并为分离，这意味着如果建议包含至少一个提供的上下文值，则建议才匹配。
在geohash所代表的区域内的建议也可以比其他建议更高，如下所示：
POST place/_search
{
"suggest": {
"place_suggestion": {
"prefix": "tim",
"completion": {
"field": "title",
"size":10,
"contexts":{
"location":[ ①
{
"lat": 43.6624803,
"lon": -79.3863353,
"precision": 2
},
{
"context":{
"lat": 43.6624803,
"lon":-79.3863353
},
"boost": 2
}
]
}
}
}
}
}
- ①，上下文查询过滤属于geohash（43.662，-79.380）表示的地理位置的建议，精度为2，并提升属于（43.6624803，-79.3863353）geohash表示的建议，默认精度为6，因数为2。
注意：如果建议条目与多个上下文匹配，则最终分数被计算为由任何匹配上下文产生的最大分数。
除了接受上下文值之外，上下文查询还可以由多个上下文子句组成，category上下文子句支持一下参数：
- context，地理点对象或地理哈希字符串，用于过滤提升建议，这是强制性的。
- boost，应该提高建议分数的因素，通过将boost乘以建议权重来计算分数，默认为1。
- precision，geohash对查询地理点进行编码的精度，这可以被指定为一个距离值（5m，10km等），或作为原料地理散列精度（1 … 12）。默认为索引时间精度级别。
- neighbours，接受应该考虑相邻地理位置的精度值数组，精度值可以是距离值（5m， 10km等）或一个原始地理散列精度（1 … 12）。默认为索引时间精度级别生成的临近值。
see also： [Context Suggester](https://www.elastic.co/guide/en/elasticsearch/reference/7.0/suggester-context.html) 欢迎斧正，that's all
