Term Vectors
回有关特定文档字段中的词条的信息和统计信息。文档可以存储在索引中或由用户人工提供。词条向量默认为实时，不是近实时。这可以通过将realtime参数设置为false来更改。
GET /twitter/tweet/1/_termvectors可选的，您可以使用url中的参数指定检索信息的字段：
GET /twitter/tweet/1/_termvectors?fields=message或通过在请求主体中添加请求的字段（参见下面的示例）。也可以使用通配符指定字段，类似于多匹配查询
警告
请注意
/_termvector的使用方式在2.0中已废弃，请使用_termvectors替代。
返回值
请求可以得到三种类型的值：词条信息，词条统计和字段统计。默认情况下，所有词条信息与字段统计信息都会被返回，但不包含词条统计信息。
词条信息
在字段中的词频（总是返回）
词条位置（
positions:true）开始与结束的偏移量（
offsets:true）词条有效载荷（
payloads:true），base64编码的字节
如果请求的信息没有存储在索引中，如果可能它将被即时计算。另外，对于甚至不存在于索引中但由用户提供的文档，也可以计算词条向量。
警告
开始与结束的偏移量假设UTF-16编码被使用。如果要使用这些偏移量来从原始文本中获取词条，则应确保使用UTF-16对正在使用的子字符串进行编码。
词条统计
设置term_statistics为true（默认为false）将返回：
总词频（所有文件中的词条频率）
文档频率（包含词条的文档数）
默认情况下这些值不返回,因为词条统计数据会严重影响性能。
字段统计
将field_statistics设置为false（默认值为true）将省略：
文档数（包含此字段的文档数）
文档频率的总和（本字段中所有词条的文档频率的总和）
词频的总和（该字段中每个词条的词频的总和）
词条过滤
使用参数filter，返回的词条也可以根据其tf-idf分数进行过滤。这可能是有用的良好特征向量，以便找到文档。此功能的工作方式与More Like This Query的第二章节相似。参见示例5的使用。 支持以下子参数：
参数名
描述
max_num_terms
每个字段必须返回的最大词条数。默认为25。
min_term_freq
在源文档中忽略少于此频率的单词。默认为1。
max_term_freq
在源文档中忽略超过此频率的单词。默认为无界。
min_doc_freq
忽略文档频率少于此参数的词条。默认为1。
max_doc_freq
忽略文档频率大于此参数的词条 。默认为无界。
min_word_length
字词长度低于此参数的将被忽略。默认为0。
max_word_length
字词长度大于此参数的将被忽略。默认为无界（0）。
行为
词条和字段统计数据不准确。删除的文件不被考虑。这些信息只能用于所请求文档所在的分片。因此，术语和字段统计信息仅用作相对度量，而绝对数字在此上下文中无意义。默认情况下，当请求人造文档的词条向量时，随机选择获取统计信息的分片。使用routing将命中特定的分片。
示例：返回存储词条向量
首先，我们创建一个存储词条向量、有效载荷等的索引：
然后，我们添加一些文档：
以下请求返回文档1（John Doe）中字段text的所有信息和统计信息：
响应：
示例：自动生成词条向量
未明确存储在索引中的词条向量将自动计算。以下请求返回文档1中字段的所有信息和统计信息，即使词条尚未明确存储在索引中。请注意，对于字段text，术语不会重新生成。
示例：人造文档
还可以为人造文档生成词条向量，也就是生成索引中不存在的文档。例如，以下请求将返回与示例1中相同的结果。所使用的映射由索引和类型确定。
如果动态映射打开（默认），则不在原始映射中的文档字段将被动态创建。
Per-field 分析器
另外，可以通过使用per_field_analyzer参数来提供不同于当前的分析器。这对于以任何方式生成词条向量是有用的，特别是在使用人造文档时。当为已经存储的词条向量提供分析器时，将重新生成项向量。
响应：
示例：词条过滤
最后，返回的词条可以根据他们的tf-idf分数进行过滤。在下面的例子中，我们从具有给定“plot”字段值的人造文档中获取三个“interesting”的关键字。请注意，关键字“Tony”或任何停止词不是响应的一部分，因为它们的tf-idf必须太低。
响应：
Last updated
Was this helpful?