Elasticsearch を使用した電子メールまたは電話のあいまい一致

Elasticsearch には、電子メール アドレスと電話番号のあいまい一致のための組み込み機能が用意されています。

電子メールの一致

特定のドメインで終わる電子メール アドレス (例: @gmail.com) を照合するには:

{
    "query": {
        "term": {
            "email": ".*@gmail.com"
        }
    }
}

または、特定の文字列を含むメールを照合するには:

{
    "query": {
        "match": {
            "email": {
                "query": "sales@*",
                "operator": "and"
            }
        }
    }
}

電話照合

電話番号のあいまい照合には、次のパターンを使用できます:

{
    "query": {
        "prefix": {
            "tel": "136*"
        }
    }
}

これは、「136」で始まるすべての電話番号と一致します。

パフォーマンスの最適化

あいまい一致のパフォーマンスを向上させるには、n グラムまたはエッジ N グラム トークン フィルター。これらのフィルターはテキストを小さなトークンに分割し、Elasticsearch によるあいまい一致の実行を容易にします。

Email Analyzer Configuration:

{
  "settings": {
    "analysis": {
      "analyzer": {
        "email_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "name_ngram_filter",
            "trim"
          ]
        }
      },
      "filter": {
        "name_ngram_filter": {
          "type": "ngram",
          "min_gram": "3",
          "max_gram": "20"
        }
      }
    }
  }
}

テレフォン アナライザーの構成:

{
  "settings": {
    "analysis": {
      "analyzer": {
        "phone_analyzer": {
          "type": "custom",
          "char_filter": [
            "digit_only"
          ],
          "tokenizer": "digit_edge_ngram_tokenizer",
          "filter": [
            "trim"
          ]
        }
      },
      "char_filter": {
        "digit_only": {
          "type": "pattern_replace",
          "pattern": "\\D ",
          "replacement": ""
        }
      },
      "tokenizer": {
        "digit_edge_ngram_tokenizer": {
          "type": "edgeNGram",
          "min_gram": "3",
          "max_gram": "15",
          "token_chars": [
            "digit"
          ]
        }
      }
    }
  }
}