想學習Elasticsearch搜尋引擎資料庫的夥伴歡迎參考：
📚 喬叔帶你上手Elastic Stack：Elasticsearch的最佳實踐與最佳化技巧
另外再推薦您一個基礎知識的文章：
那這次要介紹的主題主要是在Elasticsearch 搜尋引擎中的跨詞搜尋，你知道詞與詞之間也是存在著距離的嗎？ 那這些詞可能是相近的，比如說： 打、藍球，這兩個詞之間的距離肯定是非常相近的，透過這樣的關係我們可以更加精確的找出我們的資料內容，至於為什麼能夠搜尋的這麼快呢？ 這得感謝一項重要的技術：
【資料庫寶典】資料檢索技術 — 倒排索引(Inverted Index)
透過這項技術讓我們可以將一整篇文章根據文字內容切碎成詞，以「詞」為單位進行索引，顛覆了以往我們對於資料庫的認識，過往的資料庫系統是以「欄位」為索引進行資料的整理，現如今因應大數據時代的來臨，做了創新的索引技巧，讓我們更能夠精確的找出我們想要的資料。
精華區在這裡...
範例句：
假設我們有一段文章以空白隔開的方式來切割詞彙，內容如下：
為了 提升 滿意度 我們 需要 您 填寫 問卷假設條件為：
- clauses：[提升,滿意度,問卷] 。
- slop：4。
- in_order： true
❗ 這裡的Slop代表範圍內不匹配的最大數量，從開始匹配的字詞框到最後加總一併進行計算。
查詢結構會是如此
{
"span_near": {
"clauses": [
{
"span_term": {
"dialogs": "提升"
}
},
{
"span_term": {
"dialogs": "滿意度"
}
},
{
"span_term": {
"dialogs": "問卷"
}
}
],
"slop": 4,
"in_order": true
}
}
請問上述條件是否能正確搜尋出文本？
答案： 可以， 因為「提升→ 滿意度 → 問卷」之間跨詞數量為4， 而我們條件是限定跨詞距離為4，符合搜尋條件， 因此可以被正確搜尋。
如果想要正確被搜尋出來只能增加跨詞距離來囊括匹配的範圍，但這個距離要怎麼抓呢？ 勢必得根據需求以及觀察資料後才能決定這個部份的應用方式了，以上只是說明了Span Near Query的搜尋原理。
結語
原來所謂的跨詞距離就是將文字進行斷詞之後，進行逆向索引 ， 以此為根基進行儲存並記載這個「詞」在哪個文件中的哪個位置，有了這些資訊之後就能夠在搜尋上加上「詞」與「詞」之間多少距離的查詢語法，這樣就能更貼近我們語言的去搜尋資料了，但這仍然不夠，規則還是有點硬邦邦的，更聰明的技術有沒有？
當然有！ 但在這之前，務必請你閱讀一些關於自然語言處理的文章，累積一些基礎知識，之後再來談談關於Elasticsearch與自然語言之間究竟有什麼關係吧！
關於自然語言處理，也推薦你以下的免費文章進行閱讀：
- 【自然語言處理 - 概念篇】最基礎的Bag-of-Words模型是什麼呢？
- 【自然語言處理 - 概念篇】 來認識一下詞向量(Word Embedding or Word Vector)吧
- 【自然語言處理 - 概念篇】 探索TF-IDF, 關於詞的統計與索引隱含著什麼奧秘呢？
- 【自然語言處理 - 概念篇】 詞性標注POS在NLP的世界扮演什麼樣的角色呢?
- 【自然語言處理 - 概念篇】 拆解語句組成的規則, 何謂依存句法分析(Dependency Parsing)?
- 【自然語言處理 - spaCy】初探強大的工具庫spaCy， 讓機器讀懂我們的語言
- 【自然語言處理 - spaCy】善用ChatGPT幫我們訓練出自訂的Name Entity Recognition實體
