如果同义词是多词，Elasticsearch 同义词标记过滤器如何工作？

Question

如果同义词是多词表达并且分词器是空格，有人可以解释一下同义词令牌过滤器是如何工作的吗？例如。如果我有这个简单的映射

PUT /test_index
{
    "settings": {
        "index" : {
            "analysis" : {
                "analyzer" : {
                    "synonym" : {
                        "tokenizer" : "whitespace",
                        "filter" : ["synonym"]
                    }
                },
                "filter" : {
                    "synonym_graph" : {
                        "type" : "synonym",
                        "lenient": true,
                        "synonyms" : ["multi word, bar => baz"]
                    }
                }
            }
        }
    }
}

我不明白如果 whitespace tokenizer 将术语 multi word 分解为 two words multi 和 word，如何评估术语 multi word。因此，据我了解，同义词过滤器永远不会将“multi word”作为在配置中查找同义词的一个术语。任何帮助表示赞赏。

Answer 1

答案可以在本节找到

https://www.elastic.co/guide/en/elasticsearch/reference/7.6/token-graphs.html

还有这篇博文

http://blog.mikemccandless.com/2012/04/lucenes-tokenstreams-are-actually.html

一些标记过滤器可以添加跨越多个位置的标记。这些可以包括多词同义词的标记，例如使用“atm”作为“自动柜员机”的同义词。但是，只有一些标记过滤器，称为图标记过滤器，才能准确记录多位置标记的 positionLength。

索引忽略 positionLength 属性并且不支持包含多位置标记的标记图。但是，查询（例如 match 或 match_phrase 查询）可以使用这些图从单个查询字符串生成多个子查询。

The following token filters can add tokens that span multiple positions but only record a default positionLength of 1:

- synonym
- word_delimiter

This means these filters will produce invalid token graphs for streams containing such tokens.

Avoid using invalid token graphs for search. Invalid graphs can cause unexpected search results.