做引流去那些网站好怎么在百度发帖
写在前面
本文记录es的零碎知识点，包括但不限于概念，集群方式，等。
1：词项查询 VS 全文查询
词项查询：查询的内容不做分词处理，输入的什么查询什么。
全文查询：查询的内容会做分词处理，生成多个词项，然后对每个词项分别查询，所有的查询结果汇总在一起，作为最终的结果。
具体参考这里 。
2：Query Context VS Filter Context
Query Context：算分的上下文。
Filter Context：不算分的上下文。
3：copy_to
使用copy_to，如下：
测试：
# 1:先删除索引，因为前面创建过了
DELETE users
# 2：创建索引，并指定firstName的null_value
PUT users
{"mappings": {"properties": {"firstName": {"type": "text","copy_to": "fullName"},"lastName": {"type": "text","copy_to": "fullName"}}}
}
# 3:创建新数据
POST users/_create/1
{"firstName": "jack","lastName": "james"
}
# 4:搜索在fulleName中包含jack或者是包含james的，可以正常搜索到
GET users/_search?q=fullName:(jack james)
{"profile": "true"
}
4：常见分词器
4.1：中文分词器
ik 。
icu 。
pinyin 分词为拼音
配置：
例子：
- HanLP
安装参考pinyin ,下载参考下图：
5：相关性，相关文档，precision,recall
- 相关性
1：需要找到的文档都找到了？
2：找到了多少错误的文档？？
3：找到的文档评分高低是否符合预期？？？
- 相关文档
应该找到的文档。 - precision,recall
如果找到的文档我们标记为positive，没有找到的文档标记为negative，然后我们用true来表示找到的该找到的，没找到的不该找到的，用false来表示没找到的该找到的，找到的不该找到的绕啊！！！，则我们可以得到下图：
precision就是：返回的文档中相关文档数/返回的文档数
recall就是：返回的相关文档/总相关文档
如下图：
一般搜索时尽量提高recall值是我们的目标。
写在后面
参考文章列表
Elasticsearch：理解搜索中的 precision 及 recall 。