Jednoduchá syntaxe dotazů v Azure Kognitivní hledání

Článek
05/13/2021
7 min ke čtení

Azure Kognitivní hledání implementuje dva jazyky dotazů založené na Lucene: jednoduchý analyzátor dotazů a analyzátor dotazů Lucene. Jednoduchý analyzátor je flexibilnější a pokusí se o interpretaci požadavku i v případě, že není dokonale složen. Z důvodu této flexibility je výchozí hodnotou pro dotazy v Azure Kognitivní hledání.

Jednoduchá syntaxe se používá pro výrazy dotazu předané v search parametru žádosti hledání dokumentů (REST API) , a nelze je zaměňovat se syntaxí OData použitými pro $filter $orderby výrazy a v rámci stejné žádosti. Parametry OData mají odlišnou syntaxi a pravidla pro sestavování dotazů, uvozovacích řetězců a tak dále.

I když je jednoduchý analyzátor založený na třídě zjednodušeného analyzátoru dotazů Apache Lucene , implementace v kognitivní hledání vyloučí přibližné hledání. Pokud potřebujete hledání přibližných výsledků, zvažte místo toho alternativní úplnou syntaxi dotazů Lucene .

Příklad (jednoduchá syntaxe)

I když queryType je nastavená níže, je výchozí nastavení a může být vynecháno, pokud se nevrátíte z alternativního typu. Následující příklad je hledání nezávisle za předpokladu, že všechny odpovídající dokumenty zahrnují "Pool".

POST https://{{service-name}}.search.windows.net/indexes/hotel-rooms-sample/docs/search?api-version=2020-06-30
{
  "queryType": "simple",
  "search": "budget hotel +pool",
  "searchMode": "all"
}

searchMode Parametr je v tomto příkladu relevantní. Vždy, když jsou logické operátory na dotazu, byste obecně měli nastavit searchMode=all , aby se zajistilo, že všechna kritéria jsou shodná. V opačném případě můžete použít výchozí searchMode=any , který upřednostňuje odvolání v případě přesnosti.

Další příklady najdete v tématu jednoduché příklady syntaxe dotazů. Podrobnosti o požadavku a parametrech dotazu naleznete v tématu Search Documents (REST API).

Hledání klíčových slov na základě podmínek a frází

Řetězce předané do search parametru mohou zahrnovat výrazy nebo fráze v libovolném podporovaném jazyce, logické operátory, operátory přednosti, zástupný znak nebo znaky předpony pro "začíná dotazy, řídicí znaky a znaky kódování adresy URL. search Parametr je nepovinný. Neurčeno, hledání ( search=* nebo search=" " ) vrátí prvních 50 dokumentů v libovolném (neseřazené) pořadí.

Termínem hledání je dotaz na jednu nebo více podmínek, kde některý z podmínek je považován za shodu.
Hledání frází je přesná fráze uzavřená v uvozovkách " " . Například při Roach Motel (bez uvozovek) by hledání dokumentů obsahujících Roach a/nebo Motel kdekoli v libovolném pořadí, "Roach Motel" (s uvozovkami), bude odpovídat pouze dokumentům, které obsahují tuto celou frázi společně a v tomto pořadí (lexikální analýza je stále použita).

V závislosti na vašem klientovi vyhledávání možná budete muset při hledání fráze řídicí uvozovky vymezit. Například v příspěvku v žádosti POST "Roach Motel" by se fráze v textu požadavku zadala jako "\"Roach Motel\"" .

Ve výchozím nastavení se všechny výrazy nebo fráze předané v search parametru podrobují lexikální analýze. Ujistěte se, že rozumíte chování tokenizace analyzátoru, který používáte. V případě neočekávaných výsledků dotazu se často dá důvod trasovat na to, jak jsou výrazy v době dotazu vyvolány.

Libovolný text s jednou nebo více výrazy je považován za platný výchozí bod pro provedení dotazu. Azure Kognitivní hledání bude odpovídat dokumentům, které obsahují některé nebo všechny z těchto podmínek, včetně všech variant zjištěných během analýzy textu.

Stejně jako u těchto zvuků je ve službě Azure Kognitivní hledání jeden aspekt provádění dotazů, které by mohly vést k neočekávaným výsledkům, a ne zmenšení výsledků hledání, protože se do vstupního řetězce přidávají další výrazy a operátory. Bez ohledu na to, zda toto rozšíření skutečně probíhá, závisí na zahrnutí operátoru NOT v kombinaci s searchMode nastavením parametru, které určuje, jak není interpretováno v souvislosti s chováním a nebo nebo. Další informace naleznete v tématu operátor NOT v rámci logických operátorů.

Logické operátory

Můžete vložit logické operátory do řetězce dotazu, aby se zlepšila přesnost shody. V jednoduché syntaxi jsou logické operátory založené na znacích. Operátory textu, jako je například slovo a, nejsou podporovány.

Znak	Příklad	Využití
`+`	`pool + ocean`	Operace a. Například `pool + ocean` stanoví, že dokument musí obsahovat oba výrazy.
`\|`	`pool \| ocean`	Operace nebo najde shodu, když je nalezen libovolný termín. V tomto příkladu dotazovací stroj vrátí shodu s dokumenty, které obsahují buď `pool` nebo `ocean` nebo obojí. Vzhledem k tomu, že nebo je výchozím operátorem spojení, můžete jej také opustit, což `pool ocean` je ekvivalent `pool \| ocean` .
`-`	`pool – ocean`	Operace NOT vrátí shodu u dokumentů, které vyloučily podmínky. Chcete-li získat očekávané chování u výrazu NOT, zvažte nastavení `searchMode=all` v žádosti. V opačném případě se ve výchozím nastavení zobrazí `searchMode=any` Shoda `pool` se všemi dokumenty, které neobsahují `ocean` , což může být mnoho dokumentů. `searchMode` Parametr v požadavku na dotaz řídí, zda je výraz s operátorem NOT ANDed nebo ORed s jinými podmínkami v dotazu (za předpokladu, že se nejedná `+` `\|` o operátor nebo na jiné podmínky). Použití `searchMode=all` zvyšuje přesnost dotazů zahrnutím menších výsledků a ve výchozím nastavení je interpretováno jako "a nikoli". Při rozhodování o `searchMode` nastavení zvažte vzory interakce uživatele pro dotazy v různých aplikacích. Uživatelům, kteří hledají informace, je pravděpodobnější, že v dotazu zařadí operátor, a to na rozdíl od webů elektronického obchodování, které mají více integrovaných navigačních struktur.

Dotazy na předpony

Pro "začíná dotazy" přidejte operátor přípon ( * ) jako zástupný symbol pro zbytek období. Aby bylo možné přidat operátor přípon, musí dotaz na předponu začínat alespoň jedním alfanumerickým znakem.

Znak	Příklad	Využití
`*`	`lingui*` bude odpovídat "jazyku" nebo "linguini"	Hvězdička ( `*` ) představuje jeden nebo více znaků libovolné délky, ignorování velkých a malých písmen.

Podobně jako filtry, dotaz předpony hledá přesnou shodu. V takovém případě neexistuje žádné bodové hodnocení (všechny výsledky obdrží skóre hledání 1,0). Upozorňujeme, že dotazy s předponou můžou být pomalé, zejména pokud je index velký a předpona obsahuje malý počet znaků. Alternativní metodologie, jako je Edge n-gram, může provádět rychleji.

Jednoduchá syntaxe podporuje pouze porovnání předpon. U přípon nebo vpony, které odpovídají konci nebo polovině podmínky, použijte pro hledání pomocí zástupných znaků úplnou syntaxi Lucene.

Operátory hledání uvozovacích znaků

V jednoduché syntaxi operátory hledání obsahují tyto znaky: + | " ( ) ' \

Pokud je některý z těchto znaků součástí tokenu v indexu, vydejte ho pomocí prefixu s jedním zpětným lomítkem ( \ ) v dotazu. Předpokládejme například, že jste použili vlastní analyzátor pro celou funkci tokenizace a váš index obsahuje řetězec "luxus + hotelu". Chcete-li získat přesnou shodu s tímto tokenem, vložte řídicí znak: search=luxury\+hotel .

Chcete-li zjednodušit věci z více typických případů, existují dvě výjimky z tohoto pravidla, kde není nutné uvozovací znaky:

-Pokud se jedná o první znak za prázdným znakem, musí být znak operátoru bez řídicí sekvence. Pokud - se zobrazí uprostřed (například v 3352CDD0-EF30-4A2E-A512-3B30AF40F3FD ), můžete přeskočit uvozovací znaky.
Operátor přípona * musí být uvozena řídicím znakem pouze v případě, že se jedná o poslední znak před prázdným znakem. Pokud se * zobrazí uprostřed (například v 4*4=16 ), nevyžaduje se žádné uvozovací znaky.

Poznámka

Ve výchozím nastavení Standard analyzátor odstraní a rozdělí slova na spojovníkech, prázdných znaků, ampersandech a dalších znacích během lexikální analýzy. Pokud vyžadujete, aby v řetězci dotazu zůstaly speciální znaky, budete možná potřebovat analyzátor, který je zachovává v indexu. Mezi možnosti patří analyzátorypřirozeného jazyka od Microsoftu, které zachovává rozdělená slova nebo vlastní analyzátor pro složitější vzory. Další informace najdete v tématu částečné výrazy, vzory a speciální znaky.

Kódování nebezpečných a vyhrazených znaků v adresách URL

Zajistěte, aby všechny nebezpečné a vyhrazené znaky byly kódované v adrese URL. Například # je nebezpečný znak, protože se jedná o identifikátor fragmentu nebo kotvy v adrese URL. Znak musí být kódovaný na, %23 Pokud je použit v adrese URL. ' & ' a ' = ' jsou příklady rezervovaných znaků, které jsou vymezují parametry a určují hodnoty v Azure Kognitivní hledání. Další informace najdete v tématu RFC1738: Uniform Resource Locators (URL).

Nezabezpečené znaky jsou " ` < > # % { } | \ ^ ~ [ ] . Vyhrazené znaky jsou ; / ? : @ = + & .

Speciální znaky

V některých případech můžete chtít vyhledat speciální znak, například ❤ emoji nebo symbol €. V takových případech se ujistěte, že analyzátor, který používáte, nefiltruje tyto znaky. Standardní analyzátor obchází mnoho speciálních znaků a vyloučí je z indexu.

Analyzátory, které budou tokenizovat speciální znaky, zahrnují analyzátor "prázdných", který bere v úvahu všechny sekvence znaků oddělené prázdnými znaky jako tokeny (takže řetězec "❤" by byl považován za token). Také analyzátor jazyka, jako je Microsoft English Analyzer ("en. Microsoft"), by měl jako token přebírat řetězec "€". Můžete otestovat analyzátor a zjistit, jaké tokeny generuje pro daný dotaz.

Při použití znaků Unicode zajistěte, aby byly symboly v adrese URL dotazu správně uvozeny řídicími znaky (například ❤ by používaly řídicí sekvenci %E2%9D%A4+ ). Post provede tento převod automaticky.

Priorita (seskupení)

Pomocí závorek lze vytvořit poddotazy, včetně operátorů v rámci příkazu kulatého závorky. Nástroj například motel+(wifi|luxury) vyhledá dokumenty obsahující termín "Motel" a buď "WiFi", nebo "luxus" (nebo obojí).

Omezení velikosti dotazů

Pokud vaše aplikace generuje vyhledávací dotazy programově, doporučujeme ji navrhovat takovým způsobem, že negeneruje dotazy na neohraničenou velikost.

Pro GET nesmí délka adresy URL překročit 8 KB.
U POST (a všech ostatních požadavků), kde tělo žádosti zahrnuje search a další parametry, jako jsou filter a orderby , je maximální velikost 16 MB, kde maximální počet klauzulí v search (výrazy oddělené a, nebo a tak dále) je 1024. Velikost jakéhokoli jednotlivého výrazu v dotazu je také omezena na přibližně 32 KB. Další informace najdete v tématu omezení požadavků rozhraní API.

Další kroky

Pokud budete vytvářet dotazy programově, Projděte si text fulltextového vyhledávání v Azure kognitivní hledání , abyste pochopili fáze zpracování dotazů a důsledky analýzy textu.

Další informace o vytváření dotazů najdete v následujících článcích: