对于 ATG-Endeca 应用程序，我们有一个包含希腊语和英语混合数据的索引。索引的希腊语数据包含带重音的单词。如果搜索词没有重音，则它们与任何数据都不匹配（或者它们匹配是因为没有重音的字符与有重音的字符发生自动校正，这不是所需的功能）。 Dgidx 标志 --diacritic 折叠配置不包括希腊字符的映射 (https://docs.oracle.com/cd/E29584_01/webhelp/mdex_basicDev/src/rbdv_chars_mapping.html)。
是否可以通过 Endeca 端或核心或代码中的属性文件来扩展此 oob 功能？
【问题讨论】：
标签： oracle diacritics endeca oracle-commerce
在您提供的文档中指出：
Dgidx 支持在索引期间将 Latin1、Latin extended-A 和 Windows CP1252 国际字符映射到它们的简单 ASCII 等效字符。
这表明希腊语不受支持，因为它不属于任何这些字符集（我相信希腊语是 Latin-7）。也就是说，您可以尝试在记录级别设置语言标志（因为您指出您的数据包括英语和希腊语），假设每种语言都有自己的记录，或者尝试使用 dgidx 和 @987654322 实现全球语言@ 参数，但这会影响非全局语言的记录或属性的词干提取。
dgidx --lang el
dgraph --lang el
虽然我不确定它是否会根据原始声明起作用。
或者，您可以使用自定义Accessor 实现变音符号删除过程，它扩展了atg.repository.search.indexing.PropertyAccessorImpl 类（一个选项，因为您引用了Nucleus，所以我假设您使用的是ATG/Oracle Commerce）。使用它，您可以在索引中指定一个规范化的可搜索字段，该字段复制当前索引中的可搜索字段，但现在已删除所有变音符号。您在 Accessor 中应用的相同逻辑随后需要作为预处理器应用于您的搜索词，以便您规范化输入以匹配索引值。最后，使索引中的原始字段（带有重音字符）仅显示，规范化字段可搜索（但不显示它们）。
结果将匹配您的规范化文本，但缺点是您有重复的数据，因此您的索引会更大。小数据集不是大问题。 OOTB 功能（如词干提取）与规范化数据集的行为方式也可能会受到影响。您必须使用希腊语和英语对各种场景进行一些测试，以查看准确率和召回率是否受到不利影响。
【讨论】：