部分と完全フレーズ一致

Question

は

は私が文を持っていると言う：「ジョンは彼のランボルギーニガヤルドに比べより彼のランボルギーニ・ウラカンに彼のペット子羊を取るのが好き」と私は、「ランボルギーニ」を含む辞書を持っています」 Lamborghini Gallardo "と" Lamborghini Huracan "があります。 "Lamborghini Gallardo"と "Lamborghini Huracan"というフレーズマッチや他の部分的なマッチ "Lamborghini"と "lamb"を実現する、大胆な用語を抽出する良い方法は何ですか？フレーズマッチを個別のキーワードに優先させる

弾性検索では、正確な用語一致、一致フレーズ、部分一致が提供されます。厳密な用語は明らかにここでは機能しません。この場合、文全体がフレーズとみなされるため、一致フレーズもどちらも一致しません。私は、文に関心のあるキーワードしかない場合、部分一致が適切であると信じています。以前のSOスレッドを調べると、関連すると思われるproximity for relevanceが見つかりましたが、これはしきい値を設定する必要があるため、これが「最善のオプション」であるかどうかわかりません。または、たとえelasticsearchよりも単純で優れた選択肢があるとしても（データベースとの単純なキーワードマッチングではなく、フルテキスト検索のほうが多いようです）

Answer 1

あなたは統制語彙（業界用語やフレーズの辞書）を使用して文書からキーフレーズ抽出を実行したいようですね。

は、[上記イタリック体の用語あなたは上の関連する答えを見つけるのを助けるためにSOとGoogle]

---

分析のこのレベルは、自然言語処理スタックにビットサーチスタックの外に表示されます。 NLPはリソースを大量に消費する傾向があるため、オフラインで、または検索アプリケーションの場合はインデックス時に発生する傾向があります。

はこれを実装するには、したい：

1. は、各ドキュメントの認識キーフレーズのリストを生成するためにあなたの検索インデックスコードに、キーフレーズ抽出ツールを統合します。
2. shinglesというキーワードを新しいElasticsearchフィールドに追加します。
3. クエリー時に検索されたフィールドのリストにこのshingled keyphraseフィールドを含めます。スコアアップの可能性が最も高いでしょう。

制御されたキーフレーズ抽出の手助けとなる迅速なツールについては、KEA（javaで書かれています）をご覧ください。

（あなたはまた、おそらくあなた自身を書くことができますが、あなたはまた、訓練された抽出は、より良いサービスを提供します。More tools hereを、同様ではない辞書に制御されていないキーフレーズを（）を抽出することを望んでいる場合。）