ElasticLearnedSpareEncodeR(ELSER)允许你执行语义搜索以获得更相关的搜索结果。然而，有时，将语义搜索结果与常规关键字搜索结果相结合以获得最佳结果会更有用。问题是，如何结合文本和语义搜索结果？首先，让我们看一下对某些字段使用multi_match的花园品种文本查询。这种搜索具有关键字搜索的典型陷阱，即关键字必须以某种形式存在于要返回的文档中，并且我们没有考虑用户搜索内容的上下文。POSTsearch-national-parks/_search{"query":{"multi_match":{"query":"WherecanIseetheNorthernLight

Elastic提供了一个强大的ELSER供我们进行语义搜索。ELSER是一种稀疏向量的搜索方法。我们无需对它做任何的微调及训练。它是一种out-of-domain的模型。目前它仅对英文进行支持。希望将来它能对其它的语言支持的更好。更多关于ELSER的知识，请参阅文章“Elasticsearch：使用ELSER释放语义搜索的力量：ElasticLearnedSparseEncoderR”。在本文中，我们将使用第二版的 ELSER来进行语义搜索。我将使用Jupyternotebook演示如何使用ELSER模型.elser_model_2模型，该模型提供了更高的检索精度。如果你已使用ELSER模型.

        ES官方训练了稀疏向量模型，用来支持语义检索。（目前该模型只支持英文）        最好是以离线的方式安装。在线的方式，在国内下载也麻烦，下载速度也慢。还不如用离线的方式。对于一般的生产环境，基本上也是网络隔离的。离线下载安装的方式最简单。参考官方安装文档：ELSER–ElasticLearnedSparseEncodeR|MachineLearningintheElasticStack[8.11]|Elastic下载模型直接把链接放在浏览器上，就可以去下载。（我用官方提供的地址，根本没有找到模型文件）这里注意，es官方提供了两个版本。v1https://ml-models.

在今天的文章里，我来详细地介绍如何使用ELSER  进行文本扩展驱动的语义搜索。安装Elasticsearch及Kibana如果你还没有安装好自己的Elasticsearch及Kibana，请参考如下的链接来进行安装：如何在Linux，MacOS及Windows上进行安装ElasticsearchKibana：如何在Linux，MacOS及Windows上安装Elastic栈中的Kibana在安装的时候，我们可以选择ElasticStack8.x的安装指南来进行安装。在本博文中，我将使用最新的ElasticStack8.10来进行展示。在安装Elasticsearch的过程中，我们需要记下如下

警告：此功能处于技术预览阶段，可能会在未来的版本中更改或删除。Elastic将尽最大努力修复任何问题，但技术预览中的功能不受官方GA功能的支持SLA约束。ElasticLearnedSparseEncodeR-或ELSER-是由Elastic训练的检索模型，使你能够执行语义搜索以检索更相关的搜索结果。此搜索类型为您提供基于上下文含义和用户意图的搜索结果，而不是精确的关键字匹配。ELSER是一种域外（out-of-domain）模型，这意味着它不需要对你自己的数据进行微调，因此可以开箱即用地适应各种用例。ELSER将索引和搜索的段落扩展为术语集合，这些术语被学习为在不同的训练数据集中经常共同出现