如何增加弹性搜索变音位语音过滤器的最大代码长度？

Question

我正在为弹性搜索使用语音插件过滤器。 https://github.com/elastic/elasticsearch-analysis-phonetic

创建索引时，我正在使用以下设置创建自定义过滤器。

soundex: {
            type: "phonetic",
            encoder: "metaphone",
            replace: "true"
}

这工作正常，但创建的变音标记最大长度为 4 个字符，这给我的搜索结果增加了太多噪音。例如，我获得了用于避孕和控制的 KNTR（它是医疗数据）。

根据Unexpected results from Metaphone algorithm，底层Java API 包含一个setMaxCodeLen 值。在elasticsearch中配置时如何设置？

我想做这样的事情：

    soundex: {
                type: "phonetic",
                encoder: "metaphone",
                replace: "true",
                maxcodelen: 8
    }

但到目前为止，我无法确定是否可以配置编码器以增加编码令牌的最大长度。可以这样配置吗？如果有，怎么做？

Answer 1

我认为无法配置它。我检查了插件的源代码，似乎很容易实现您的要求。

在PhoneticTokenFilterFactory.java 你会看到：

this.maxcodelength = 0;
this.replace = settings.getAsBoolean("replace", true);

如您所料，replace 参数可以配置，但maxcodelenght 始终设置为0。因此，您可以通过以下方式更改该行：

this.maxcodelength = settings.getAsInt("maxcodelen", 0);

我将新属性命名为“maxcodelen”，因为它是您在示例中使用的名称。

然后你就可以从本地（check how to install local plugins）编译并安装修改后的插件

如果一切正常并且您愿意，请发送拉取请求 :)