Elasticsearch – EdgeNgram + highlight + term_vector =错误的亮点

当我使用带有edgengram的分析器（min = 3，max = 7，front）+ term_vector = with_positions_offsets

使用text =“CouchDB”的文档

当我搜索“couc”时

我的亮点是“cou”而不是“couc”

似乎我的亮点仅在于最小匹配标记“cou”，而我期望在确切的标记（如果可能）或至少找到最长的标记。

它使用term_vector = with_positions_offsets分析文本时工作正常

删除term_vector = with_positions_offsets的性能有什么影响？

为特定字段设置term_vector=with_positions_offsets ，表示您为该字段存储每个文档的术语向量。

在突出显示时，术语向量允许您使用lucene快速矢量荧光笔，这比标准荧光笔更快。原因是标准荧光笔没有任何快速突出的方法，因为索引不包含足够的信息（位置和偏移）。它只能重新分析字段内容，拦截偏移和位置，并根据该信息进行突出显示。这可能需要相当长的时间，特别是对于长文本字段。

使用术语向量，您可以获得足够的信息，而无需重新分析文本。不利方面是指数的规模，这将显着增加。我必须补充一点，因为Lucene 4.2术语向量可以更好地压缩并以优化的方式存储。还有新的PostingsHighlighter基于在贴子列表中存储偏移的能力，这需要更少的空间。

elasticsearch自动使用最佳方式根据可用信息进行突出显示。如果存储术语矢量，它将使用快速矢量荧光笔，否则使用标准矢量荧光笔。在没有术语矢量的重新索引之后，将使用标准荧光笔进行突出显示。它会慢一些，但索引会更小。

关于ngram字段，所描述的行为很奇怪，因为快速矢量荧光笔应该对ngram字段有更好的支持，因此我期望完全相反的结果。

我知道这个问题已经过时了，但还没有完全回答：

还有另一种选择可以产生这种奇怪的行为：

如果您不希望其他文档结果影响当前文档突出显示，则必须将require_field_match设置为true ，请参阅： http ： //www.elasticsearch.org/guide/reference/api/search/highlighting/