Home
Blog
Milvus 2.6 中的詞組配對(Phrase Match with Slop)：如何提高詞組層級的全文檢索準確度

Milvus 2.6 中的詞組配對(Phrase Match with Slop)：如何提高詞組層級的全文檢索準確度

Tutorials

December 29, 2025

Alex Zhang

隨著非結構化資料持續爆炸性成長，以及 AI 模型不斷變得更聰明，向量搜尋已成為許多 AI 系統 - RAG pipelines、AI 搜尋、代理、推薦引擎等的預設檢索層。它之所以有效，是因為它能捕捉意義：不僅是使用者輸入的字詞，還有字詞背後的意圖。

然而，一旦這些應用程式進入生產階段，團隊往往會發現語意理解只是擷取問題的其中一面。許多工作負載還依賴於嚴格的文字規則，例如匹配精確的術語、保留字序或識別具有技術、法律或操作意義的詞組。

Milvus 2.6透過直接在向量資料庫中引入原生全文搜尋，消除了這種分割。有了內建於核心引擎的標記與位置索引，Milvus 可以解釋查詢的語意，同時強制執行精確的關鍵字與短語層級限制。其結果是一個統一的檢索管道，在這個管道中，意義與結構會互相強化，而不是活在獨立的系統中。

詞組匹配（Phrase Match）是這種全文檢索功能的關鍵部分。它可辨識按順序一起出現的詞彙序列，這對於檢測日誌模式、錯誤簽署、產品名稱，以及任何由文字順序定義意義的文字都非常重要。在這篇文章中，我們將解釋Phrase Match 如何在Milvus 中運作，slop 如何增加真實世界文字所需的靈活性，以及為什麼這些功能讓向量-全文混合搜尋不僅成為可能，而且在單一資料庫中非常實用。

什麼是短語匹配？

短語匹配 (Phrase Match) 是 Milvus 中的一種全文查詢類型，它著重於結構，具體來說，就是一連串的單字是否以相同的順序出現在文件中。當不允許任何彈性時，查詢會嚴格執行：詞彙必須依序出現在彼此旁邊。因此，像「機器人機器學習」這樣的查詢只有在這三個字以連續短語的形式出現時才會匹配。

問題在於真實的文字很少有如此整齊的表現。自然語言會帶來雜訊：額外的形容詞會溜進來、日誌會重新排列欄位、產品名稱會增加修飾詞，而且人類作者在撰寫時並沒有考慮到查詢引擎。嚴格的詞組匹配很容易就會破壞--插入一個字、重寫一個詞或調換一個詞都可能造成遺漏。而在許多人工智能系統中，尤其是面對生產的系統，遺漏相關的日誌行或規則觸發短語是不可接受的。

Milvus 2.6 藉由一個簡單的機制來解決這個問題：滯後。Slop 定義了查詢字詞之間允許的迴旋空間。Slop 讓您決定是否可以容忍多出一個字，或是兩個字，甚至是輕微的重新排序是否仍算匹配，而不是將一個短語視為脆而不靈活的。這讓詞組搜尋從二進制的通過與否測試，轉變成可控制、可調整的檢索工具。

要瞭解這一點的重要性，試想一下搜尋日誌中所有熟悉的網路錯誤「連線被對等重設」的變體。實際上，您的記錄可能會如下所示：

connection reset by peer
connection fast reset by peer
connection was suddenly reset by the peer
peer reset connection by ...
peer unexpected connection reset happened

驟眼看來，所有這些都代表相同的基本事件。但一般的擷取方法卻很吃力：

BM25 在結構上有困難。

它將查詢視為一袋關鍵字，而忽略它們出現的順序。只要「連結」和「對等」在某處出現，BM25 就可能將文件排在很高的位置 - 即使這個詞組是相反的或與您實際要搜尋的概念無關。

矢量搜尋在限制條件下掙扎。

嵌入式最擅長捕捉意義和語義關係，但卻無法強制執行「這些字詞必須以這樣的順序出現」這樣的規則。您可能會擷取語意相關的訊息，但仍會遺漏調試或合規所需的確切結構模式。

詞組匹配填補了這兩種方法之間的缺口。透過使用slop，您可以精確指定可接受的變化程度：

slop = 0 - 完全匹配（所有詞彙必須依序連續出現。）
slop = 1 - 允許多一個字（以單一插入詞涵蓋常見的自然語言變化。）
slop = 2 - 允許插入多個字（處理更具描述性或冗長的措辭。）
slop = 3 - 允許重新排序（支援排序顛倒或松散的詞組，這通常是真實文字中最難處理的情況。）

與其寄望於評分演算法「準確無誤」，您可以明確地宣告您的應用程式所需的結構容限。

短語匹配如何在 Milvus 中運作

Milvus 中的短語匹配由Tantivy搜尋引擎函式庫提供，在具有位置資訊的倒置索引之上實作。它不只是檢查詞彙是否出現在文件中，還會驗證它們是否以正確的順序出現，而且出現的距離在可控制的範圍內。

下圖說明了這個過程：

1.文件標記化（含位置）

當文件插入 Milvus 時，文本欄位會被分析器處理，分析器會將文本分割成標記（單詞或術語），並記錄每個標記在文件中的位置。例如，doc_1 被標記為：machine (pos=0), learning (pos=1), boosts (pos=2), efficiency (pos=3).

2.建立反向索引

接下來，Milvus 會建立反向索引。倒置索引不是將文件映射到其內容，而是將每個符記映射到其出現的文件，以及該符記在每個文件中的所有記錄位置。

3.短語匹配

當執行短語查詢時，Milvus 首先使用倒置索引來識別包含所有查詢符記的文件。然後，它會比較標記的位置來驗證每個候選詞，以確保詞彙以正確的順序出現，並且在允許的slop 距離之內。只有滿足這兩個條件的文件才會被傳回作為匹配。

下圖總結了短語匹配的端對端工作方式。

如何在 Milvus 中啟用短語匹配

短語匹配在類型為 VARCHAR，Milvus 中的字串類型。要使用它，您必須配置您的收集模式，以便 Milvus 執行文字分析並儲存欄位的位置資訊。要做到這一點，需要啟用兩個參數：enable_analyzer 和enable_match 。

設定 enable_analyzer 和 enable_match

要為特定的 VARCHAR 欄位開啟短語匹配，在定義欄位模式時，將這兩個參數都設定為True 。它們一起告訴 Milvus

將文字標記化(透過enable_analyzer)，並且
建立具有位置偏移的反向索引(透過enable_match)。

短語匹配依賴於這兩個步驟：分析器將文字分解為標記，而匹配索引則儲存這些標記出現的位置，從而實現高效的短語和基於斜坡的查詢。

以下是在text 欄位上啟用短語匹配的模式配置範例：

from pymilvus import MilvusClient, DataType
schema = MilvusClient.create_schema(enable_dynamic_field=False)
schema.add_field(
field_name=“id”,
datatype=DataType.INT64,
is_primary=True,
auto_id=True
)
schema.add_field(
field_name=‘text’,                 # Name of the field
datatype=DataType.VARCHAR,         # Field data type set as VARCHAR (string)
max_length=1000,                   # Maximum length of the string
enable_analyzer=True,              # Enables text analysis (tokenization)
enable_match=True                  # Enables inverted indexing for phrase matching
)
schema.add_field(
field_name=“embeddings”,
datatype=DataType.FLOAT_VECTOR,
dim=5
)

使用短語匹配進行搜尋：濫用如何影響候選集

一旦您在集合模式中啟用了 VARCHAR 欄位的匹配，您就可以使用PHRASE_MATCH 表達式執行短語匹配。

注意：PHRASE_MATCH 表達式不區分大小寫。您可以使用PHRASE_MATCH 或phrase_match 。

在搜尋作業中，詞組匹配通常應用在向量相似性排序之前。它首先根據明確的文字限制過濾文件，縮小候選集的範圍。然後使用向量內嵌對剩餘的文件重新排序。

下面的範例顯示了不同的slop 值如何影響這個過程。透過調整slop 參數，您可以直接控制哪些文件通過詞組篩選並進入向量排序階段。

假設您有一個名為tech_articles 的集合，其中包含以下五個實體：

doc_id	文字
1	機器學習提升大規模資料分析的效率
2	學習以機器為基礎的方法對於現代人工智能的進步至關重要
3	深度學習機器架構可優化計算負載
4	機器迅速提升持續學習的模型效能
5	學習先進的機器演算法擴展 AI 能力

slop=1

在此，我們允許的斜率為 1。篩選條件適用於包含短語「學習機器」的文件，略有彈性。

# Example: Filter documents containing "learning machine" with slop=1
filter_slop1 = "PHRASE_MATCH(text, 'learning machine', 1)"
result_slop1 = client.search(
collection_name=“tech_articles”,
anns_field=“embeddings”,
data=[query_vector],
filter=filter_slop1,
search_params={“params”: {“nprobe”: 10}},
limit=10,
output_fields=[“id”, “text”]
)

匹配結果：

doc_id	文字
2	學習機器化對於現代人工智能的進步至關重要
3	深度學習機器架構可優化計算負載
5	學習先進的機器演算法可擴展 AI 能力

slop=2

此範例允許 2 的斜率，意即「機器」和「學習」兩詞之間最多允許有兩個額外的代名詞（或反向詞）。

# Example: Filter documents containing "machine learning" with slop=2
filter_slop2 = "PHRASE_MATCH(text, 'machine learning', 2)"
result_slop2 = client.search(
collection_name=“tech_articles”,
anns_field=“embeddings”,             # Vector field name
data=[query_vector],                 # Query vector
filter=filter_slop2,                 # Filter expression
search_params={“params”: {“nprobe”: 10}},
limit=10,                            # Maximum results to return
output_fields=[“id”, “text”]
)

匹配結果：

doc_id	文字
1	機器學習提升大規模資料分析的效率
3	深度學習機器架構可優化計算負載

slop=3

在這個範例中，3 的斜率提供了更大的彈性。篩選程式搜尋「機器學習」，字詞之間最多允許三個符號位置。

# Example: Filter documents containing "machine learning" with slop=3
filter_slop3 = "PHRASE_MATCH(text, 'machine learning', 3)"
result_slop2 = client.search(
collection_name=“tech_articles”,
anns_field=“embeddings”,             # Vector field name
data=[query_vector],                 # Query vector
filter=filter_slop3,                 # Filter expression
search_params={“params”: {“nprobe”: 10}},
limit=10,                            # Maximum results to return
output_fields=[“id”, “text”]
)

匹配結果：

doc_id	文字
1	機器學習提升大規模資料分析的效率
2	學習以機器為基礎的方法對於現代人工智能的進步至關重要
3	深度學習機器架構可優化計算負載
5	學習先進的機器演算法可擴展 AI 能力

快速提示：在 Milvus 中啟用短語匹配之前您需要瞭解的事項

短語匹配提供短語層級篩選支援，但啟用短語匹配所涉及的不只是查詢時的設定。在生產設定中應用之前，了解相關的注意事項是很有幫助的。

在欄位上啟用片語匹配會建立反向索引，這會增加儲存使用量。確切的成本取決於文字長度、唯一標記數量和分析器設定等因素。當處理大型文字欄位或高心數資料時，應事先考慮此開銷。
分析器配置是另一個關鍵的設計選擇。一旦在收集模式中定義了分析器，就無法變更。之後，若要切換到不同的分析器，就必須刪除現有的集合，然後以新的模式重新建立。因此，分析器的選擇應該被視為長期的決定，而不是實驗。
短語匹配行為與文字的標記化方式緊密相連。在將分析器套用到整個集合之前，建議使用run_analyzer 方法來檢查標記化輸出，並確認它符合您的期望。此步驟有助於避免微妙的不匹配和稍後意外的查詢結果。如需詳細資訊，請參閱Analyzer Overview。