ElasticSearch 5.5.0：関連ドキュメントの検索

Question

ElasticSearch 5.5.0では、「more_like_this」という句を使用していましたが、関連するドキュメントを見つけることはできませんでした。 ElasticSearchには以下のデータがあり、 "description"フィールドにはサイズが100万を超える巨大な非インデックスデータがあります。下のように私は1万の文書を持っています。どのように私はお互いに少なくとも80％一致しているドキュメントのセットを見つけ出すことができます終わり

{ 
    "_index": "school", 
    "_type": "book", 
    "_id": "1", 
    "_source": { 
     "title": "How to drive safely", 
     "description": "LOTS OF WORDS...The book is written to help readers about giving driving safety guidelines. Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry's standard dummy text ever since the 1500s, when an unknown printer took a galley of type and scrambled it to make a type specimen book. It has survived not only five centuries, but also the leap into electronic typesetting, remaining essentially unchanged. It was popularised in the 1960s with the release of Letraset sheets containing Lorem Ipsum passages, and more recently with desktop publishing software like Aldus PageMaker including versions of Lorem Ipsum. Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry's standard dummy text ever since the 1500s, when an unknown printer took a galley of type and scrambled it to make a type specimen book. It has survived not only five centuries, but also the leap into electronic typesetting, remaining essentially unchanged. It was popularised in the 1960s with the release of Letraset sheets containing Lorem Ipsum passages, and more recently with desktop publishing software like Aldus PageMaker including versions of Lorem Ipsum. LONG...." 
    } 
} 

を、私はIDの少なくとも80％の一致する内容を持っている文書のリストを探しています。可能性のある予想される結果は、（任意の形式で結構です）に一致する文書IDを含む：

[ [1,30, 500, 8000], [2, 40, 199], .... ] 

私はバッチを書いて、他のすべてと、各文書を比較し、出力セットを構築する必要がありますか？

助けてください。

Answer 1

more like this queryにはminimum_should_matchというパラメータがあり、これは80%に設定できます。ただし、ここではmax_query_termsパラメータも考慮する必要があります。

最も重要なことに、このonlsは、これらのフィールドの内容にインデックスを付けると機能します。

また、クエリ時にこれを行うのは、実際には遅い操作のように聞こえます。ここで戦略を再考し、索引時間にドキュメントをクラスタ化/グループ化したい場合があります（これは非常にカスタマイズされたものですから、自分で行う必要があります）ので、検索が高速になります。