我正在使用 ElasticSerach，我想为英语设置基本词干提取。所以基本上，战斗机返回战斗或任何包含战斗词根的词。
我有点困惑如何实现这一点。我正在阅读分析器、标记器和过滤器，并且可以在 ElasticSearch 中使用多种词干提取算法。我只是不确定要使用哪种组合 - 雪球、词干、搬运工词干或同义词过滤器。
此外，映射示例会很有帮助。
【问题讨论】：
标签： lucene tokenize elasticsearch analyzer stemming
请注意difference between stemming and lemmatisation。词干算法应用一系列规则（和/或字典查找，例如 KStem），并且不保证结果将是正确的语言“根”（即引理）。
因此，例如“marinate”和“marines”这两个词都会被 Porter 词干分析器转换为“marin”，这被认为是相当“激进”的词干——它往往会为大量词产生相同的词干。还有更保守的，例如 S-Stemmer，它只能将复数形式转换为单数形式 (org.apache.lucene.analysis.en.EnglishMinimalStemFilter)。
在研究论文中发现的词干提取方法的比较似乎支持 KStem，因为它对英语文本最有效，但词干分析器的选择在很大程度上取决于文档的词汇量。您的目标不是优化词干分析器的性能，而是搜索引擎的性能，因此将其与系统的其他元素（尤其是查询扩展）分开测量在实践中并不是一个好主意。
最好的解决方案是尝试在 elasticsearch 中可用的许多不同的词干分析器（可以看到一个示例映射 here）并观察结果的精度和召回率。如果您没有查询的测试套件，那么您最好的选择是执行“典型”查询并注意“奇怪”结果（词干分析器过于激进）或“好”结果被省略（过于保守）词干分析器）。
【讨论】：