1、Term Suggester

term suggester 正如其名，只基于 tokenizer 之后的单个 term 去匹配建议词，并不会考虑多个term之间的关系

POST <index>/_search
{ 
  "suggest": {
    "<suggest_name>": {
      "text": "<search_content>",
      "term": {
        "suggest_mode": "<suggest_mode>",
        "field": "<field_name>"
      }
    }
  }
}

suggest_mode：搜索推荐的推荐模式，参数值亦是枚举：

missing：默认值，仅为不在索引中的词项生成建议词
popular：仅返回与搜索词文档词频或文档词频更高的建议词
always：根据建议文本中的词项推荐任何匹配的建议词

2、suggest_mode 详细解释

2.1 missing

missing：suggest_mode 的默认值，仅为不在索引中的词项生成建议词

如过参数值为 missing，那么此时如过搜索词命中了任何一个索引，都不会产生任何推荐词，只有当未命中任何索引的时候，才会产生推荐词，比如下图例子中。

搜索词中包含两个词项：baoqing 和 baoqiang 其中第一个词项没有命中任何索引，即在源数据中，没有任何词项和其匹配。所以会产生推荐词。这也是仅为不在索引中的词项生成建议词的含义。而第二个词项 baoqiang 是命中了索引的，即源数据中有某个词项被命中了，因此不产生任何推荐。missing 和文档频率没有任何关系

在这里插入图片描述

2.2 popular

popular：仅返回与搜索词文档词频或文档词频更高的建议词

此时推荐词不会管你是不是被搜索词命中，但是推荐结果会被以下两个参数影响：

min_doc_freq：即文档频率阈值，只返回文档频域大于设定值的推荐词。在推荐词中，只返回 freq 值大于等于该参数设定值的推荐词
max_term_freq: 即词频阈值，只有词频数量小于设定值的词项，才会有推荐词。这个参数缺省值为 1，因为官网文档中未做说明，再者 term suggester 本身不是重点，所以在视频里没有提到。
注意以上两个参数，一个是词频，一个是文档频率。一个是最小阈值，一个是最大阈值。如下图例子
在这里插入图片描述