短语匹配 Compatible with Milvus 2.5.17+
短语匹配可让您搜索包含精确短语查询词的文档。默认情况下，单词必须以相同的顺序出现，并且彼此直接相邻。例如，查询**"机器人机器学习 "会匹配"...典型的机器人机器学习模型... "这样的文本，其中"机器人"、 " **机器 "和"学习 "**依次出现，中间没有其他词。
然而，在现实世界中，严格的短语匹配可能过于死板。您可能希望匹配的文本是*"......机器人技术中广泛采用的机器学习模型.*....."。在这种情况下，相同的关键词会出现，但不会并排出现，也不会按照原来的顺序排列。为了处理这种情况，短语匹配支持一个slop 参数，从而增加了灵活性。slop 的值定义了短语中的词语之间允许多少次位置移动。例如，当slop 为 1 时，"机器学习 "*查询可以匹配"......机器深度学习...... "*这样的文本，其中一个单词（"deep"）**分隔了原始术语。
概述
短语匹配由Tantivy搜索引擎库提供支持，通过分析文档中单词的位置信息来实现。下图说明了这一过程：
短语匹配工作流程
-
文档标记化：将文档插入 Milvus 时，使用分析器将文本分割成标记（单个词或术语），并记录每个标记的位置信息。例如，doc_1被标记为**["machine" (pos=0), "learning" (pos=1), "boosts" (pos=2), "efficiency" (pos=3)]**。有关分析器的更多信息，请参阅分析器概述。
-
反向索引创建：Milvus 建立一个倒排索引，将每个标记映射到出现该标记的文档以及标记在这些文档中的位置。
-
短语匹配：执行短语查询时，Milvus 会查找倒排索引中的每个标记，并检查它们的位置，以确定它们是否以正确的顺序和相邻关系出现。
slop参数控制匹配标记之间允许的最大位置数：-
slop = 0表示词组必须以完全相同的顺序出现**，并且紧邻**（即中间没有多余的字）。
- 在本例中，只有doc_1（"machine "在位置 0，"learning "在位置 1）完全匹配。
-
slop = 2允许匹配词之间最多有两个位置的灵活性或重新排列。
-
这就允许颠倒顺序（**"学习机器"）**或在词组之间留出小间隙。
-
因此，doc_ 1、doc_2（"learning "在位置=0，"machine "在位置=1）和doc_3（"learning "在位置=1，"machine "在位置=2）全部匹配。
-
-
启用短语匹配
短语匹配适用于VARCHAR 字段类型，即 Milvus 中的字符串数据类型。要启用短语匹配，请配置您的 Collection Schema，将enable_analyzer 和enable_match 参数都设置为True ，类似于文本匹配。
设置enable_analyzer 和enable_match
要启用特定VARCHAR 字段的短语匹配，请在定义字段 Schema 时将enable_analyzer 和enable_match 参数设置为True 。该配置指示 Milvus 对文本进行标记化，并创建一个具有位置信息的反向索引，以实现高效的短语匹配。
下面是一个启用短语匹配的 Schema 定义示例：
[不支持的块类型］
可选：配置分析器
短语匹配的准确性在很大程度上取决于用于标记文本数据的分析器。不同的分析器适合不同的语言和文本格式，会影响标记化和定位的准确性。根据具体使用情况选择合适的分析器，可以优化短语匹配结果。
默认情况下，Milvus 使用标准分析器，根据空白和标点符号对文本进行标记化，删除长度超过 40 个字符的标记，并将文本转换为小写。默认用法不需要额外参数。详情请参阅标准分析器。
如果您的应用程序需要特定的分析器，请使用analyzer_params 参数进行配置。例如，下面是如何为英文文本中的短语匹配配置english 分析器：
[不支持的块类型］
Milvus 支持多种针对不同语言和用例的分析器。详细信息请参阅分析器概述。
使用短语匹配
为 Collection Schema 中的VARCHAR 字段启用匹配后，就可以使用PHRASE_MATCH 表达式执行短语匹配。
PHRASE_MATCH 表达式不区分大小写。可以使用PHRASE_MATCH 或phrase_match 。
PHRASE_MATCH 表达式语法
搜索时，使用PHRASE_MATCH 表达式指定字段、短语和可选的灵活性 (slop)。语法为
[不支持的块类型］
-
field_name**:**执行短语匹配的VARCHAR字段名称。 -
phrase**:**要搜索的确切短语。 -
slop(可选）**：**一个整数，指定匹配标记中允许的最大位置数。-
0(默认）：只匹配精确短语。例如机器学习 "过滤器将精确匹配" machine learning"，但不匹配**"machine boosts learning "或"learning machine"。** -
1:允许细微变化，例如多一个词或位置上的细微变化。例如机器学习 "过滤器将匹配"machine boosts learning"（"machine "和"learning "之间有一个标记），但不匹配**"learning machine"**（术语颠倒）。 -
2:允许更多的灵活性，包括术语顺序颠倒或最多在两个词组之间。例如机器学习 "过滤器将匹配"学习机器"（词序颠倒）或**"机器快速促进学习"（"机器 "和"学习 "之间有两个词组）**。
-
数据集示例
假设您有一个名为tech_articles 的Collection，其中包含以下五个实体：
|
doc_id
|
text
| | --- | --- | |
1
|
"机器学习提高了大规模数据分析的效率
| |
2
|
"学习基于机器的方法对现代人工智能的发展至关重要" 3
| |
3
|
"深度学习机器架构优化了计算负荷"
| |
4
|
"机器迅速提高持续学习的模型性能"
| |
5
|
"学习先进的机器算法，扩展人工智能能力
|
短语匹配查询
使用query() 方法时，PHRASE_MATCH 充当标量过滤器。只有包含指定短语的文档才会返回（取决于允许的斜率）。
示例：slop = 0（精确匹配）
此示例返回包含精确短语**"machine learning "**的文档，中间不包含任何额外标记。
[不支持的块类型］
预期匹配结果：
|
doc_id
|
text
| | --- | --- | |
1
|
"机器学习提高了大规模数据分析的效率
|
只有文档 1 按指定顺序包含精确短语**"machine learning"**，且无附加标记。
使用短语匹配进行搜索
在搜索操作中，PHRASE_MATCH用于在应用向量相似性排序之前对文档进行预过滤。这种两步法首先通过文本匹配缩小候选集的范围，然后根据 Embedding 重新对这些候选集进行排序。
示例：斜率 = 1
在这里，我们允许斜率为 1。该过滤器适用于包含**"learning machine（学习机器）"**短语的文档，并略有灵活性。
[不支持的块类型］
匹配结果：
|
doc_id
|
text
| | --- | --- | |
2
|
"学习基于机器的方法对现代人工智能的进步至关重要
| |
3
|
"深度学习机器架构优化了计算负荷" 4
| |
5
|
"学习先进的机器算法可扩展人工智能能力" 6
|
示例：斜率 = 2
此示例允许 2 个斜率，即在**"机器 "和"学习 "之间允许最多两个额外的标记（或相反的术语）。**
[不支持的块类型］
匹配结果：
|
doc_id
|
text
| | --- | --- | |
1
|
"机器学习提高了大规模数据分析的效率
| |
3
|
"深度学习机器架构优化了计算负荷"
|
示例：斜率 = 3
在本例中，斜率为 3 提供了更大的灵活性。该过滤器搜索**"机器学习 "**时，最多允许三个词之间有三个标记位置。
[不支持的块类型］
匹配结果：
|
doc_id
|
text
| | --- | --- | |
1
|
"机器学习提高了大规模数据分析的效率
| |
2
|
"学习基于机器的方法对现代人工智能的进步至关重要"
| |
3
|
"深度学习机器架构优化了计算负荷" 4
| |
5
|
"学习先进的机器算法可扩展人工智能能力" 6
|
注意事项
-
为字段启用短语匹配会触发倒排索引的创建，从而消耗存储资源。在决定是否启用此功能时，请考虑对存储的影响，因为它根据文本大小、唯一标记和所使用的分析器而有所不同。
-
在 Schema 中定义分析器后，其设置将永久适用于该 Collection。如果您认为不同的分析器更适合您的需要，可以考虑删除现有的 Collection，然后使用所需的分析器配置创建一个新的 Collection。
-
短语匹配性能取决于文本标记化的方式。在将分析器应用到整个 Collection 之前，请使用
run_analyzer方法查看标记化输出。有关详细信息，请参阅分析器概述。 -
filter表达式中的转义规则：-
表达式中用双引号或单引号括起来的字符被解释为字符串常量。如果字符串常量包含转义字符，则必须使用转义序列来表示转义字符。例如，用
\\表示\，用\\t表示制表符\t，用\\n表示换行符。 -
如果字符串常量由单引号括起来，常量内的单引号应表示为
\\'，而双引号可表示为"或\\"。 示例：'It\\'s milvus'。 -
如果字符串常量由双引号括起来，常量中的双引号应表示为
\\"，而单引号可表示为'或\\'。 示例："He said \\"Hi\\""。
-