Lucene 分析器的名字

【问题标题】：Lucene analyzer for first nameLucene 分析器的名字
【发布时间】：2013-02-20 10:31:33
【问题描述】：

是否有一个 Lucene 分析器可以用它们的短名称等价物（例如 Mike 和 Michael、Rich 和 Richard、Suzie 和 Susan）等对名称部分进行标记？

Levenshtein 距离上的模糊匹配是我知道的一种解决方案，一些实现者似乎将模糊匹配与 soundex 算法配对。肯定有人轻描淡写地在某处简单地列出所有这些短名称？

编辑：这个问题最难的部分是从哪里获取同义词数据？

【问题讨论】：

美国人口普查局在他们的网站上提供了一些关于英文名称的信息（但不能保证他们有这些信息，而且需要一些谷歌搜索才能找到）。
这有一些想法，但名字很不常见：answers.google.com/answers/threadview/id/778986.html

标签： search solr lucene elasticsearch

【解决方案1】：

我不知道那里有任何特定的昵称过滤器。

如果您有数据源，SynonymFilter 将使其相当容易生成。这似乎是一个很好的昵称数据来源：

https://code.google.com/p/nickname-and-diminutive-names-lookup/

您需要生成SynonymMap 以传递到SynonymFilter ctor，它应该看起来像这样（我认为）：

SynonymMap.Builder builder = new SynonymMap.Builder(true);
builder.add(new CharsRef("Mike"), new CharsRef("Michael"), false);
builder.add(new CharsRef("Rich"), new CharsRef("Richard"), false);
builder.add(new CharsRef("Suzie"), new CharsRef("Susan"), false);
SynonymMap map = builder.build();

【讨论】：