如何配置 Solr 进行部分单词匹配答案

【问题标题】：How to configure Solr to do partial word matching如何配置 Solr 进行部分单词匹配
【发布时间】：2015-02-26 22:06:14
【问题描述】：

给定以下一组值，我如何配置字段以返回部分单词匹配但也匹配整个搜索词的值？

价值观：

Texas State University
Stanford University
St. Johns College

期望的结果示例：

搜索词：sta

期望的结果：

Texas State University
Stanford University

搜索词：stan

期望的结果：

Stanford University

搜索词：st un

期望的结果：

Texas State University
Stanford University

这是我迄今为止尝试过的：

<fieldType name="text" class="solr.TextField" omitNorms="false">
  <analyzer>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" words="stopwords.txt"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
    <filter class="solr.EdgeNGramFilterFactory" minGramSize="2" maxGramSize="15" side="front"/>
  </analyzer>
</fieldType>

我认为我的问题在于EdgeNGramFilterFactory。如上所示，第二次搜索stan 会返回所有三个显示的值，而不仅仅是Stanford。但是，如果没有 EdgeNGramFilterFactory，部分单词根本不匹配。

Solr 字段返回部分单词匹配但也匹配整个搜索词的值的正确配置是什么？

【问题讨论】：

标签： solr lucene sunspot

【解决方案1】：

我想我明白了。 不过，我绝对欢迎其他答案和其他更正。

解决方案似乎是仅在索引时使用EdgeNGramFilterFactory，而不是在查询时。当你考虑它时，这是有道理的。我在索引时想要 n-gram，但在查询时只想匹配实际的搜索词。

<fieldType name="text" class="solr.TextField" omitNorms="false">
  <analyzer type="index">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" words="stopwords.txt"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
    <filter class="solr.EdgeNGramFilterFactory" minGramSize="2" maxGramSize="15" side="front"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" words="stopwords.txt"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
  </analyzer>
</fieldType>

【讨论】：

【解决方案2】：

我有类似的需求并尝试了这个...创建了不同的字段类型...

<fieldType name="text_reference" class="solr.TextField" sortMissingLast="true" omitNorms="true" positionIncrementGap="100">
      <analyzer type="index">
    <tokenizer class="solr.KeywordTokenizerFactory"/>
      <filter class="solr.LowerCaseFilterFactory"/>
      <filter class="solr.EdgeNGramFilterFactory" minGramSize="4" maxGramSize="50" side="front"/> 
      </analyzer>
      <analyzer type="query">
    <tokenizer class="solr.KeywordTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
  </fieldType>

我还有另一个要求... 下面的博客会详细解释一下

https://www.blogger.com/blogger.g?blogID=8592878860404675342#editor/target=post;postID=6309840933546641223;onPublishedMenu=allposts;onClosedMenu=allposts;postNum=33;src=postname

【讨论】：

【解决方案3】：

你可以使用

N-Gram 过滤器

生成给定范围内大小的 n-gram 标记。请注意，标记是按位置排序的，然后是按克数排序的。

工厂类：solr.NGramFilterFactory

参数：

minGramSize：（整数，默认 1）最小 gram 大小。 maxGramSize：（整数，默认 2）最大 gram 大小。

例子：

<analyzer>  
  <tokenizer class="solr.StandardTokenizerFactory"/>
  <filter class="solr.NGramFilterFactory"/>
</analyzer>

在：《四分》

输出：“f”、“o”、“u”、“r”、“fo”、“ou”、“ur”、“s”、“c”、“o”、“r”、“ e"、"sc"、"co"、"or"、"re"

http://archive.apache.org/dist/lucene/solr/ref-guide/apache-solr-ref-guide-5.3.pdf#page=112&zoom=auto,-187,475

【讨论】：