[英]How to configure Solr to do partial word matching
鉴于以下一组值,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
搜索词: sta
预期结果:
Texas State University
Stanford University
搜索词: stan
预期结果:
Stanford University
搜索词: st un
预期结果:
Texas State University
Stanford University
<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>
我认为我的问题出在EdgeNGramFilterFactory
。 如上所示,对stan
的第二次搜索返回显示的所有三个值,而不是仅返回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?
我想我想通了。 不过,我绝对欢迎其他答案和其他更正。
解决方案似乎是只在索引时使用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,但只想在查询时匹配实际的搜索词。
<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>
我有类似的要求并尝试了这个......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>
我还有一个要求……下面的博客会详细解释
您可以使用
N-Gram 过滤器
生成给定范围内大小的 n-gram 标记。 请注意,令牌按位置排序,然后按 gramize 排序。
工厂类:solr.NGramFilterFactory
参数:
minGramSize:(整数,默认 1)最小克大小。 maxGramSize:(整数,默认 2)最大克大小。
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”、“或”、“re”
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.