elasticsearch 多词关键字标记的同义词分析

Question

我正在尝试使用 _analyze API 获取关键字标记的多词同义词。 API 返回单词同义词的预期结果，但不是多词同义词。这是我的设置和分析链：

curl -XPOST "http://localhost:9200/test" -d'
{
  "settings": {
    "index": {
      "analysis": {
        "filter": {
          "my_syn_filt": {
            "type": "synonym",
            "synonyms": [
              "foo bar, fooo bar", 
              "bazzz, baz"
            ]
          }
        },
        "analyzer": {
          "my_synonyms": {
            "filter": [
              "lowercase",
              "my_syn_filt"
            ],
            "tokenizer": "keyword"
          }
        }
      }
    }
  }
}'

现在使用 _analyze API 进行测试：

curl 'localhost:9200/test/_analyze?analyzer=my_synonyms&text=baz'

调用返回了我所期望的结果（对于 'bazzz' 也返回了相同的结果）：

{
  "tokens": [
    {
      "position": 1,
      "type": "SYNONYM",
      "end_offset": 3,
      "start_offset": 0,
      "token": "bazzz"
    },
    {
      "position": 1,
      "type": "SYNONYM",
      "end_offset": 3,
      "start_offset": 0,
      "token": "baz"
    }
  ]
}

现在，当我尝试使用多词同义词文本进行相同调用时，API 仅返回一个“单词”类型的标记，没有同义词：

curl 'localhost:9200/test/_analyze?analyzer=my_synonyms&text=foo+bar'

（返回）

{
  "tokens": [
    {
      "position": 1,
      "type": "word",
      "end_offset": 7,
      "start_offset": 0,
      "token": "foo bar"
    }
  ]
}

为什么分析 API 不返回 SYNONYM 类型的“foo bar”和“fooo bar”标记？

Answer 1

"tokenizer":"keyword" 键值也需要添加到 my_syn_filt 过滤器声明中，如下所示：

curl -XPOST "http://localhost:9200/test" -d'
{
  "settings": {
    "index": {
      "analysis": {
        "filter": {
          "my_syn_filt": {
            "tokenizer": "keyword",
            "type": "synonym",
            "synonyms": [
              "foo bar, fooo bar", 
              "bazzz, baz"
            ]
          }
        },
        "analyzer": {
          "my_synonyms": {
            "filter": [
              "lowercase",
              "my_syn_filt"
            ],
            "tokenizer": "keyword"
          }
        }
      }
    }
  }
}'

通过上述映射，_analyze API 返回所需的 SYNONYM 标记：

{
  "tokens": [
    {
      "position": 1,
      "type": "SYNONYM",
      "end_offset": 7,
      "start_offset": 0,
      "token": "foo bar"
    },
    {
      "position": 1,
      "type": "SYNONYM",
      "end_offset": 7,
      "start_offset": 0,
      "token": "fooo bar"
    }
  ]
}