Solr - 通配符搜索因词干方法而异答案

【问题标题】：Solr - Wild Card Search varies with Stemming MethodsSolr - 通配符搜索因词干方法而异
【发布时间】：2012-08-23 14:36:13
【问题描述】：

我有 2 个版本的 solr 在我的机器上工作。说SolrVer1和SolrVer2

SolrVer1 已应用，下面是字段类型text_en_splitting 的词干提取方法

<filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt" ignoreCase="true"/>
 <filter class="solr.PorterStemFilterFactory" ignoreCase="true"/>

SolrVer2 已应用，下面是字段类型text_en_splitting 的词干提取方法

<filter class="solr.SnowballPorterFilterFactory" language="English" protected="protwords.txt"/>

它在常规搜索中几乎相同，但是在使用通配符搜索时，通配符搜索不会在SolrVer1 上给出符合语法的结果

就像使用 ray* 搜索一样，SolrVer1 与 SolrVer2 相比返回的数据非常少。当我观察结果时，我发现SolrVer1 不返回只有ray 和rays 的数据。

我不知道应该在哪里使用 SnowballPorterFilterFactory 以及应该在哪里使用 PorterStemFilterFactory 。它们的优缺点是什么？

任何人都可以知道这种行为吗？

谢谢

【问题讨论】：

标签： solr wildcard stemming

【解决方案1】：

需要知道ray、rays 的词干分析器输出什么。

尝试使用 Porter 词干分析器在线工具对它们进行词干提取：http://qaa.ath.cx/porter_js_demo.html。它输出rai！这就是你没有得到任何与 Porter 词干分析器匹配的 ray* 的原因。

这里有一个雪球词干分析工具：http://snowball.tartarus.org/demo.php。这将为ray 和rays 输出ray，这就是您获得结果的原因。

您可能想阅读这篇文章来比较两个词干分析器：http://snowball.tartarus.org/texts/introduction.html

看起来像雪球一样旨在解决波特的这些缺点。

【讨论】：

感谢@arun，您的回复。它真的很有帮助。所以你建议我应该使用SnowballPorterFilterFactory 吗？
一般来说，雪球（包括 Porter）词干分析器被认为具有攻击性，这意味着它们会将很多单词映射到同一个词干。很难说你应该使用哪个词干分析器，因为这取决于你的搜索需求。我建议向您的客户询问示例。您应该阅读 wiki.apache.org/solr/LanguageAnalysis#Stemming 以了解各种 Solr 词干分析器之间的差异，并根据您的需要选择正确的。
感谢@arun 的回复，我想你是对的，我会向我的客户询问示例。 :)

【解决方案2】：

Analyzers

On wildcard and fuzzy searches, no text analysis is performed on the search word.

由于在查询时不对通配符搜索进行任何分析，因此将在查询时应用词干分析器。
结果会有所不同，具体取决于词干分析器产生的内容。

【讨论】：

感谢@Jayendra，您的回复。是的，我看到通配符搜索结果因应用在它们上的词干分析器而异。