Fuzzy Query
模糊查詢基于”Levenshtein distance“ 編輯距離進行文檔匹配相似度
“Levenshtein distance” 下方有解釋
模糊（fuzzy）查詢生成的匹配詞最大的編輯距離在fuzziness屬性中指定，然后檢查分詞字典，以確定這些生成的分詞在哪些索引中實際存在。最后查詢使用了max_expansions?來匹配單詞。
如下是一個簡單的案例:
GET /_search
{
? ? "query": {
? ? ? "fuzzy" : { "user" : "ki" }
? ? }
}
使用更多的設置：
GET /_search
{
? ? "query": {
? ? ? ? "fuzzy" : {
? ? ? ? ? ? "user" : {
? ? ? ? ? ? ? ? "value": "ki",
? ? ? ? ? ? ? ? "boost": 1.0,
? ? ? ? ? ? ? ? "fuzziness": 2,
? ? ? ? ? ? ? ? "prefix_length": 0,
? ? ? ? ? ? ? ? "max_expansions": 100
? ? ? ? ? ? }
? ? ? ? }
? ? }
}
參數(shù)說明
fuzziness：最大的編輯距離，默認AUTO(詳情見下方)
prefix_length：不能被 “模糊化” 的初始字符數(shù)。 大部分的拼寫錯誤發(fā)生在詞的結尾，而不是詞的開始。 例如通過將 prefix_length 設置為 3 ，你可能夠顯著降低匹配的詞項數(shù)量。
boost：設置查詢權重
max_expansions：默認長度為50， 如果一個模糊查詢擴展了三個或四個模糊選項， 這些新的模糊選項也許是有意義的。如果它產生 1000 個模糊選項，那么就基本沒有意義了。設置 max_expansions用來限制將產生的模糊選項的總數(shù)量。模糊查詢將收集匹配詞項直到達到 max_expansions 的限制。
transpositions：是否支持模糊換位(ab→ba)。默認是true。
Fuzziness
模糊匹配 對待 “模糊” 相似的兩個詞似乎是同一個詞。 首先，我們需要對我們所說的 模糊性 進行定義。 在1965年，Vladimir Levenshtein 開發(fā)出了 Levenshtein distance， 用來度量從一個單詞轉換到另一個單詞需要多少次單字符編輯。他提出了三種類型的單字符編輯：
一個字符 替換 另一個字符： _f_ox → _b_ox
插入 一個新的字符：sic → sic_k_
刪除 一個字符：b_l_ack → back
Frederick Damerau 后來在這些操作基礎上做了一個擴展：
相鄰兩個字符的 換位 ： _st_ar → _ts_ar
舉個例子，將單詞 bieber 轉換成 beaver 需要下面幾個步驟：
把 b 替換成 v ：bie_b_er → bie_v_er
把 i 替換成 a ：b_i_ever → b_a_ ever
把 e 和 a 進行換位：b_ae_ver → b_ea_ver
這三個步驟表示 Damerau-Levenshtein edit distance 編輯距離為 3 。
顯然，從 beaver 轉換成 bieber 是一個很長的過程—他們相距甚遠而不能視為一個簡單的拼寫錯誤。 Damerau 發(fā)現(xiàn) 80% 的拼寫錯誤編輯距離為 1 。換句話說， 80% 的拼寫錯誤可以對原始字符串用 單次編輯 進行修正。
Elasticsearch 指定了 fuzziness 參數(shù)支持對最大編輯距離的配置，默認為 ２ 。
當然，單次編輯對字符串的影響取決于字符串的長度。對單詞 hat 兩次編輯能夠產生 mad ， 所以對一個只有 3 個字符長度的字符串允許兩次編輯顯然太多了。 fuzziness 參數(shù)可以被設置為 AUTO ，這將導致以下的最大編輯距離：
字符串只有 1 到 2 個字符時是 0
字符串有 3 、 4 或者 5 個字符時是 1
字符串大于 5 個字符時是 2
當然，你可能會發(fā)現(xiàn)編輯距離 2 仍然是太多了，返回的結果似乎并不相關。 把最大 fuzziness 設置為 1 ，你可以得到更好的結果和更好的性能。
This query can be very heavy if prefix_length is set to 0 and if max_expansions is set to a high number. It could result in every term in the index being examined! 如果將prefix_length設置為0，并且將max_expanations設置為高值，則此查詢可能非常繁重。它可能導致索引中的每一項都被檢查!
