Elasticsearch で More Like This Query を利用して類似文書検索を行う際に、データを絞り込む必要があった場合の方法になります。
More Like This Query の使い方自体は以下のドキュメントにまとまっています。
More Like This Query
手元の環境は以下になります。
- Ubuntu 16.04 LTS
- Elasticsearch 6.2.4
- ICU Analysis Plugin、Japanese (kuromoji) Analysis Plugin
Elasticsearch 6系 からインデックスにはひとつのタイプとなったので、親子関係のデータを実現している場合は類似文書検索でもデータのタイプを指定する必要があります。
その場合は Bool Query と filter を使えば絞り込むことが可能です。
この記事 のデータを引き続き活用して試すため、以下のデータを追加します。
{"index": {"_index": "shop", "_type": "_doc","_id": "goods_id.3"}}
{"type": "goods","name": "原酒三岳","text": "もののけ姫のモデルにもなった、鹿児島県屋久島の焼酎です。こちらは原酒になります。屋久島は水が美味しく、その水を
使って作られています。ロックで飲むことをオススメします。","my_join_field": "goods"}
そして、以下のように実行します。( jq コマンドで整形してます。)
便宜上、min_term_freq （出現頻度の最低値）をゼロにしています。
$ curl -X POST 'localhost:9200/shop/_search' -H 'Content-Type: application/json' -d'
{
"size": 5,
"query": {
"bool": {
"must": {
"more_like_this": {
"fields": ["text"],
"like":[
{
"_index" : "shop",
"_type" : "_doc",
"_id" : "goods_id.1"
}
],
"min_term_freq": 0
}
},
"filter": { "term": { "type": "goods" } }
}
}
}
}
' | jq
すると、以下のような結果が返ってきます。
{
"took": 41,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 1,
"max_score": 0.19518803,
"hits": [
{
"_index": "shop",
"_type": "_doc",
"_id": "goods_id.3",
"_score": 0.19518803,
"_source": {
"type": "goods",
"name": "原酒三岳",
"text": "もののけ姫のモデルにもなった、鹿児島県屋久島の焼酎です。こちらは原酒になります。屋久島は水が美味しく、その水を使って作られています。ロックで飲むことをオススメします。",
"my_join_field": "goods"
}
}
]
}
}
パラメータもいくつかあるので、チューニング次第では面白い結果が出せるかもしれません。