Question

是否有任何插件允许在Elasticsearch上使用LSH？如果是的话，你能指点我的位置，并告诉我一些如何使用它？感谢

编辑：我发现ES使用MinHash插件。我怎么能用这个比较文件呢？找到重复的好设置是什么？

Answer 1

有一个Elasticsearch MinHash Plugin。每次索引文档并稍后通过minhash查询文档时，可以使用它来提取minhash值。

安装MinHash插件：

$ $ES_HOME/bin/plugin install org.codelibs/elasticsearch-minhash/2.3.1

创建索引时添加minhash分析器：

$ curl -XPUT 'localhost:9200/my_index' -d '{
  "index":{
    "analysis":{
      "analyzer":{
        "minhash_analyzer":{
          "type":"custom",
          "tokenizer":"standard",
          "filter":["minhash"]
        }
      }
    }
  }
}'

将minhash_value字段放入索引映射：

$ curl -XPUT "localhost:9200/my_index/my_type/_mapping" -d '{
  "my_type":{
    "properties":{
      "message":{
        "type":"string",
        "copy_to":"minhash_value"
      },
      "minhash_value":{
        "type":"minhash",
        "minhash_analyzer":"minhash_analyzer"
      }
    }
  }
}'

将文档添加到使用minhash analyzer创建的索引时，会自动计算minhash值。

一个。 Use More like this query可以用来做＆＃34;喜欢＆＃34;在minhash_value字段上搜索：

GET /_search
{
    "query": {
        "more_like_this" : {
            "fields" : ["minhash_value"],
            "like" : "KV5rsUfZpcZdVojpG8mHLA==",
            "min_term_freq" : 1,
            "max_query_terms" : 12
        }
    }
}

湾您也可以使用fuzzy query，但它接受的查询与2（最大）的结果不同。

GET /_search
{
    "query": {
       "fuzzy" : { "minhash_value" : "KV5rsUfZpcZdVojpG8mHLA==" }
    }
}

您可以找到有关模糊查询here的更多信息。

或者您可以在elasicsearch之外创建哈希值（编写代码以提取哈希值），每次索引文档时，您都可以运行代码并将哈希值附加到要编制索引的文档中。然后使用More Like This query或Fuzzy query搜索哈希值，如上所述。
最后但并非最不重要的是，您可以像上面那样自己编写elasticsearch插件（适合您的哈希算法）并执行相同的步骤。

局部敏感散列 - Elasticsearch

1 个答案: