前缀的休眠搜索

Question

现在，我已经成功配置了一个基本的 Hibernate 搜索索引，以便能够在我的 JPA 实体的各个字段中搜索完整的单词：

@Entity
@Indexed
class Talk {
    @Field String title
    @Field String summary
}

我的查询看起来像这样：

List<Talk> search(String text) {
    FullTextEntityManager fullTextEntityManager = Search.getFullTextEntityManager(entityManager)
    QueryBuilder queryBuilder = fullTextEntityManager.getSearchFactory().buildQueryBuilder().forEntity(Talk).get()
    Query query = queryBuilder
            .keyword()
            .onFields("title", "summary")
            .matching(text)
            .createQuery()
    FullTextQuery jpaQuery = fullTextEntityManager.createFullTextQuery(query, Talk)
    return jpaQuery.getResultList()
}

现在我想微调这个设置，这样当我搜索“test”时，它仍然可以找到标题或摘要包含“test”的谈话，即使是另一个单词的前缀。因此，标题为“单元测试”或摘要包含“睾丸”的演讲仍应出现在搜索结果中，而不仅仅是标题或摘要包含“测试”作为完整单词的演讲。

我试图查看文档，但我不知道是否应该对我的实体的索引方式进行更改，或者它是否与查询有关。请注意，我想做类似以下的事情，但是很难搜索多个字段：

 Query query = queryBuilder
            .keyword().wildcard()
            .onField("title")
            .matching(text + "*")
            .createQuery()

编辑： 根据 Hardy 的回答，我像这样配置了我的实体：

@Indexed
@Entity
@AnalyzerDefs([
@AnalyzerDef(name = "ngram",
        tokenizer = @TokenizerDef(factory = StandardTokenizerFactory.class),
        filters = [
            @TokenFilterDef(factory = LowerCaseFilterFactory.class),
            @TokenFilterDef(factory = NGramFilterFactory.class,
                    params = [
                        @Parameter(name = "minGramSize",value = "3"),
                        @Parameter(name = "maxGramSize",value = "3")
                    ])
        ])
])
class Talk {
    @Field(analyzer=@Analyzer(definition="ngram")) String title
    @Field(analyzer=@Analyzer(definition="ngram")) String summary
}

由于该配置，当我搜索“arti”时，我会看到标题或摘要包含“arti”是（艺术家、手工等）子词的单词。不幸的是，在那之后我还得到了会谈，其中标题或摘要包含包含我的搜索词的子词（艺术、放屁等）的词。可能有一些微调可以消除这些，但至少我现在能更快地得到结果，而且它们的顺序很合理。

Answer 1

您应该使用Ngram 或EdgeNGram 过滤器作为您在答案中正确指出的索引。但是您应该按照 lucene 文档中的建议对查询使用不同的分析器（请参阅search_analyzer）： https://www.elastic.co/guide/en/elasticsearch/guide/current/_index_time_search_as_you_type.html

这样，您的搜索查询不会被标记为 ngram，您的结果将更像 SQL 中的 %text% 或 text%。

很遗憾，由于未知原因，Hibernate Search 目前不支持字段上的search_analyzer 规范。您只能使用特定的分析器进行索引，这也将用于搜索查询分析。

我打算自己实现这个功能。

编辑：

您可以像这样指定搜索时间分析器 (search_analyzer)：

List<Talk> search(String text) {
    FullTextEntityManager fullTextEntityManager = Search.getFullTextEntityManager(entityManager)
    EntityContext entityContext = fullTextEntityManager.getSearchFactory().buildQueryBuilder().forEntity(Talk);

    entityContext.overridesForField("myField", "myNamedAnalyzerDef");

    QueryBuilder queryBuilder = ec.get()
    Query query = queryBuilder
            .keyword()
            .onFields("title", "summary")
            .matching(text)
            .createQuery()
    FullTextQuery jpaQuery = fullTextEntityManager.createFullTextQuery(query, Talk)
    return jpaQuery.getResultList()
}

我已经使用这种技术有效地模拟了 Lucene search_analyzer 属性。

Answer 2

在 Lucene 4.9 版中，我为此使用了EnglishAnalyzer。我认为这是 SnowballAnalyzer 的仅英文实现，但不是 100% 确定的。我用它来创建和搜索索引。使用它没有什么特别需要的。

Analyzer analyzer = new EnglishAnalyzer(Version.LUCENE_4_9);
IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_4_9, analyzer);

和

analyzer = new EnglishAnalyzer(Version.LUCENE_4_9);
parser = new StandardQueryParser(analyzer);

您可以在Guided Code Search 看到它的实际应用。这完全在 Lucene 上运行。

Lucene 可以集成到 Hibernate 搜索中，但我自己还没有尝试过这样做。我似乎会很强大，但我不知道：见Apache Lucene™ Integration。

我还读到了 lucene 可以修补到 SQL 引擎中，但我也没有尝试过。示例：Indexing Databases with Lucene。

Answer 3

您可以在这里做很多事情。在索引期间通过适当的分析可以做很多事情。

例如，您想应用适合您的语言的词干分析器。对于英语，这通常是 Snowball 词干分析器。其想法是，在索引期间，所有单词都被简化为它们的词干，例如 testing 和 tested 到 _test。这会让你走得更远。

您可以研究的另一件事是 ngramm 索引。根据您的描述，您也想在不相关的单词中找到匹配项。这里的想法是索引每个单词的“子词”，以便以后可以找到它们。

关于您想查看 Hibernate Search 文档的named analyzers部分的分析器。这里的关键是@AnalyzerDef注解。

在查询方面，您还可以应用一些“技巧”。实际上，您可以使用通配符查询，但是，如果您使用的是 Hibernate Search 查询 DSL，则不能使用 keyword 查询，但您需要使用 wildcard 查询。再次检查 Hibernate Search 文档。