搜索 – 使用通配符和词干的组合

我正在使用雪球分析仪来阻止多个文档的标题.一切都运作良好,但他们是一些怪癖.

例：

搜索“valv”,“valve”或“valve”会返回相同数量的结果.这是有道理的,因为雪球分析仪将所有内容减少到“valv”.

使用通配符时遇到问题.搜索“valve *”或“valve *”不会返回任何结果.搜索“valv *”按预期工作.

我理解为什么会这样,但我不知道如何解决它.

我想过编写一个存储词干和非词干标记的分析器.基本上应用两个分析器并组合两个令牌流.但我不确定这是否是一个实用的解决方案.

我还考虑过使用AnalyzingQueryParser,但我不知道如何将它应用于多字段查询.此外,使用AnalyzingQueryParser会在搜索“valve *”时返回“valve”的结果,这不是预期的行为.

是否有一种利用通配符和词干算法的“首选”方式？

解决方法

之前我用过2种不同的方法来解决这个问题

>使用两个字段,一个包含词干项,另一个包含由StandardAnalyzer生成的术语.解析搜索查询时,如果在“标准”字段中进行通配符搜索,则不使用带有词干项的字段.如果您让用户直接在Lucene的QueryParser中输入查询,则可能更难使用.
>编写自定义分析器和索引重叠标记.它基本上包括使用PositionIncrementAttribute索引原始术语和索引中相同位置的词干.您可以查看SynonymFilter以获取有关如何正确使用PositionIncrementAttribute的示例.

我更喜欢解决方案#2.

原文地址：https://www.jb51.cc/html/232410.html