页面树结构

2017-11-09 ApacheCN 开源组织,第二期邀请成员活动,一起走的更远 : http://www.apachecn.org/member/209.html


MachineLearning 优酷地址 : http://i.youku.com/apachecn

转至元数据结尾
转至元数据起始

一个返回邻接矩阵形式的桶聚合,该请求提供一个名为filter表达式的集合,类似于filters聚合请求,响应中的每个桶表示交叉滤波器矩阵中的非空单元格。

 

adjacency_matrix聚合是一个新功能,我们可能会随着我们获得有关其使用的反馈而发展设计。 因此,此功能的API可能以非向后兼容的方式更改

给定名为A,B和C的过滤器,响应将返回具有以下名称的buckets(桶)

 ABC
AAA&BA&C
B BB&C
C  C

使用由和号字符分隔的两个过滤器名称的组合来标记相交的桶例如A和C。 请注意,响应也不包括“C&A”桶,因为这将与“A&C”相同的一组文档。 矩阵被称为对称的,所以我们只返回一半。 为此,我们对过滤器名称字符串进行排序,并始终使用最低的一对作为“&”分隔符左侧的值。

如果客户端希望使用除&符号的默认值以外的分隔符字符串,则可以在请求中传递替代分隔符参数。

例如:

PUT /emails/message/_bulk?refresh
{ "index" : { "_id" : 1 } }
{ "accounts" : ["hillary", "sidney"]}
{ "index" : { "_id" : 2 } }
{ "accounts" : ["hillary", "donald"]}
{ "index" : { "_id" : 3 } }
{ "accounts" : ["vladimir", "donald"]}

GET emails/message/_search
{
  "size": 0,
  "aggs" : {
    "interactions" : {
      "adjacency_matrix" : {
        "filters" : {
          "grpA" : { "terms" : { "accounts" : ["hillary", "sidney"] }},
          "grpB" : { "terms" : { "accounts" : ["donald", "mitt"] }},
          "grpC" : { "terms" : { "accounts" : ["vladimir", "nigel"] }}
        }
      }
    }
  }
}

在上面的例子中,我们分析电子邮件,以查看哪些人已经交换了消息。 我们将分别获取每个组的计数,并且还记录已记录交互的组对的消息计数。

响应:

{
  "took": 9,
  "timed_out": false,
  "_shards": ...,
  "hits": ...,
  "aggregations": {
    "interactions": {
      "buckets": [
        {
          "key":"grpA",
          "doc_count": 2
        },
        {
          "key":"grpA&grpB",
          "doc_count": 1
        },
        {
          "key":"grpB",
          "doc_count": 2
        },
        {
          "key":"grpB&grpC",
          "doc_count": 1
        },
        {
          "key":"grpC",
          "doc_count": 1
        }
      ]
    }
  }
}

用法

自己可以提供创建无向加权图所需的所有数据。 然而,当与诸如date_histogram的子集合一起使用时,结果可以提供执行 dynamic network analysis(动态网络分析)所需的附加级别的数据,其中随着时间的推移,检查交互变得重要。

局限性

N过滤桶的矩阵可以产生N²/ 2,因此默认最大值为100个过滤器。可以使用index.max_adjacency_matrix_filters索引级别设置更改此设置

  • 无标签