语义查询
由于索引现在配备了 ELSER 嵌入，因此可以更改app.py中的handle_search() 函数来搜索这些嵌入。现在，您将看到如何仅通过 ELSER 进行搜索，稍后将把以前的搜索方法整合回去，创建一个组合解决方案。
要在搜索时使用 ELSER 推断，需要使用text_expansion 查询类型。下面是使用该查询更新后的handle_search() 函数：
@app.post('/')
def handle_search():
query = request.form.get('query', '')
filters, parsed_query = extract_filters(query)
from_ = request.form.get('from_', type=int, default=0)
results = es.search(
query={
'text_expansion': {
'elser_embedding': {
'model_id': '.elser_model_2',
'model_text': parsed_query,
}
},
},
size=5,
from_=from_,
)
return render_template('index.html', results=results['hits']['hits'],
query=query, from_=from_,
total=results['hits']['total']['value'])text_expansion 查询接收一个包含要搜索字段名称的键。在该键下，model_id 配置搜索中使用的模型，model_text 定义搜索的内容。请注意，在这种情况下不需要为搜索文本生成嵌入，因为 Elasticsearch 会管理模型并处理该问题。
在上述版本的handle_search() 中，filters 没有使用，聚合也省略了。这些内容可以以同样的方式添加回全文检索解决方案中。下面是更新后的handle_search() 函数，它将text_expansion 查询移至bool.must 部分，在bool.filter 中加入了过滤器，并像以前一样添加了聚合。
@app.post('/')
def handle_search():
query = request.form.get('query', '')
filters, parsed_query = extract_filters(query)
from_ = request.form.get('from_', type=int, default=0)
results = es.search(
query={
'bool': {
'must': [
{
'text_expansion': {
'elser_embedding': {
'model_id': '.elser_model_2',
'model_text': parsed_query,
}
},
}
],
**filters,
}
},
aggs={
'category-agg': {
'terms': {
'field': 'category.keyword',
}
},
'year-agg': {
'date_histogram': {
'field': 'updated_at',
'calendar_interval': 'year',
'format': 'yyyy',
},
},
},
size=5,
from_=from_,
)
aggs = {
'Category': {
bucket['key']: bucket['doc_count']
for bucket in results['aggregations']['category-agg']['buckets']
},
'Year': {
bucket['key_as_string']: bucket['doc_count']
for bucket in results['aggregations']['year-agg']['buckets']
if bucket['doc_count'] > 0
},
}
return render_template('index.html', results=results['hits']['hits'],
query=query, from_=from_,
total=results['hits']['total']['value'], aggs=aggs)花一些时间尝试不同的搜索方式。您会注意到，与密集向量嵌入一样，当索引文档中没有出现确切单词时，ELSER 模型驱动的搜索比全文搜索效果更好。