如何在 Solr、ElasticSearch 等 Lucene 搜索引擎中前缀匹配文档值 -> 搜索词

Question

我们需要来自<document value> -> <search term> 的前缀匹配。在 Solr 中可以反向，ElasticSearch 是 <search term> -> <document value>

例子：

Search term -> "traveling the world"
Document field value -> "travel"

不确定如何前缀匹配或模糊此查询，以便我们可以获得此文档结果。

前缀匹配就像这样"travel*"

搜索词 -> "travel"

文档字段值 -> "traveling the world"

Answer 1

尝试在您的字段定义中使用 PorterStemFilterFactory。

<filter class="solr.PorterStemFilterFactory"/>

您的定义可能如下所示：

<analyzer type="index">
  <tokenizer class="solr.StandardTokenizerFactory "/>
  <filter class="solr.PorterStemFilterFactory"/>
</analyzer>

这是输入和输出：

在：“跳跳跳”

要过滤的分词器：“跳”，“跳”，“跳”

出去：“跳”，“跳”，“跳”

还有另一种替代方法，称为 solr.KStemFilterFactory，它的攻击性较低。

我的意思是简而言之，您可以为您的字段定义字段类型，如下所示。

<fieldType name="StemmerFieldTypeDef" class="solr.TextField" positionIncrementGap="100"> 
  <analyzer type="index"> 
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

通过为您的字段定义，可以决定在索引时如何存储文本以及在查询时要查询的文本。

分词器和过滤器根据您的字段定义改变您的原始文本。

例如，如果您对“Travelling”这个词进行索引，它会被索引为“travel”，因此当您使用“travel”这个词进行搜索时，它将匹配并且您会在结果中获得记录。

反之亦然。就像如果您将文本索引为“旅行”，那么它将根据字段定义被索引为“旅行”。在这里，如果您搜索的文本是“Travelling”，那么根据字段定义，它会被搜索为“travel”。因此找到匹配项。

要学习并更好地理解此分析，请查看 solr 分析页面。

在上面的示例中，In、Out 是字段输入的示例，根据应用于字段的字段类型，您将获得输出。