停用词的优缺点 | Elasticsearch: 权威指南 | Elastic
2024-04-19
请注意:
本书基于 Elasticsearch 2.x 版本，有些内容可能已经过时。
本书基于 Elasticsearch 2.x 版本，有些内容可能已经过时。
停用词的优缺点编辑
现在我们拥有更大的磁盘空间，更多内存，并且 还有更好的压缩算法。 将之前的 33 个常见词从索引中移除，每百万文档只能节省 4MB 空间。 所以使用停用词减少索引大小不再是一个有效的理由。 (不过这种说法还有一点需要注意，我们在 停用词与短语查询 讨论。)
在此基础上，从索引里将这些词移除会使我们降低某种类型的搜索能力。将前面这些所列单词移除会让我们难以完成以下事情：
- 区分 happy 和 _not happy_。
- 搜索乐队名称 The The。
- 查找莎士比亚的名句 “To be, or not to be” （生存还是毁灭)。
- 使用挪威的国家代码: `no`。
移除停用词的最主要好处是性能，假设我们在个具有上百万文档的索引中搜索单词 fox`。或许 `fox 只在其中 20 个文档中出现，也就是说 Elasticsearch 需要计算 20 个文档的相关度评分 `_score `从而排出前十。现在我们把搜索条件改为 `the OR fox`，几乎所有的文件都包含 `the 这个词，也就是说 Elasticsearch 需要为所有一百万文档计算评分 `_score`。 由此可见第二个查询肯定没有第一个的结果好。
幸运的是，我们可以用来保持常用词搜索，同时还可以保持良好的性能。首先我们一块学习如何使用停用词。
Getting Started Videos
官方地址：https://www.elastic.co/guide/cn/elasticsearch/guide/current/pros-cons-stopwords.html
IT
PHP
编程语言
Linux
科技
开发编程
Elasticsearch
HTML/CSS/XML
网络
JAVA
NoSQL
C/C++
面试
Golang
数据库
Git
算法
正则表达式
操作系统
Redis
互联网
MySql
JavaScript
运维
软件
架构设计
Mac OS
TCP/IP
国际
Excel
Vim
Windows
Socket
Oracle
VR
MongoDB
运营
Python
MemCache
商业
硬件
电子
设计
nginx
娱乐
摄影
游戏
WordPress
HTTP
团建
数码电器
广告
广告
Elasticsearch是做什么的以及它的使用和基本原理
Elasticsearch集群模式知多少
携程Elasticsearch数据同步实践
如何配置使用Elasticsearch的动态映射 (dynamic mapping)
Elasticsearch简介与实战
elasticsearch动态映射
elasticsearch配置
elasticsearch出现只读索引如何操作 blocked by: [FORBIDDEN/12/index read-only / allow delete (api)];')
elasticsearch集群部署文档
Elasticsearch 映射参数 fields
Elasticsearch6.X 新类型Join深入详解
Elasticsearch Mapping设置
ES查找空字符串
ES的聚合统计不准确
ES查看集群信息命令
Elasticsearch－基础介绍及索引原理分析
es 相关配置文件
Elasticsearch 7 : 使用 ignore_above 限制字符串长度
ES查询父文档所有的子文档parent_id查询
两节点Elasticsearch集群