如何在Solr中將SynonymFilterFactory與ShingleFilterFactory一起使用？

Question

我想要實現的是搜索與“止汗噴霧”，“除臭噴霧”等匹配的“除臭噴霧”。

我正在使用SynonymFilterFactory在索引時間添加除臭劑，除臭劑和止汗劑的同義詞。 我可以看到它在分析儀中正常工作。

之后，我將運行ShingleFilterFactory（maxShingleSize =“ 3”）拆分為單詞組合。 這再次給了我正確的結果，例如分析“測試帶狀短語”得出：

• 測試
• 測試瓦
• 測試帶狀短語
• 卵石
• 帶狀短語
• 短語

這是期望的結果。 當我將同義詞術語與帶狀皰疹相結合時，問題就來了。 例如，搜索“除臭噴霧”應該給我：

• 除臭噴霧
• 除臭噴霧
• 止汗噴霧

我所有的同義詞。 但是我實際看到的是：

• 除臭劑
• 除臭劑
• 除臭劑止汗劑
• DEO
• 止汗香體劑
• 止汗噴霧
• 止汗葯
• 止汗噴霧

顯然，這也使每個同義詞術語產生了混亂。 我嘗試過交換過濾器工廠的順序，但似乎無法正常工作。 我究竟做錯了什么？

Answer 1

您唯一可以做的就是使用同義詞過濾器而不進行擴展-將所有同義詞縮減為列表中的第一個。 然后，您必須在索引時間以及查詢時間使用它。

這種方法不會導致文檔中描述的問題，因為您還必須在索引上應用過濾器。

請考慮以下情形：

• 帶有“文本”字段的索引，在查詢時它使用SynonymFilter和同義詞TV，Televesion和expand =“ true”
• 數以千計的包含“ text：TV”一詞的文檔
• 幾百個包含術語“ text：Television”的文檔

對text：TV的查詢將擴展為（text：TV text：Television），而較低的text：Television docFreq將為匹配“ Television”的文檔提供比與“ TV”匹配的文檔更高的分數-這可能對客戶有點直覺。 索引時間的擴展（或減少）將導致所有文檔具有相同的idf，而不管原始文本包含哪個術語。

但是，如果您要支持文檔中所述的多字同義詞，仍然可能會遇到問題。

我不知道由同義詞組成的帶狀皰疹是否會以任何方式影響搜索結果，但是如果不是，那么僅花費您的錢就是索引中的額外空間，因此請考慮是否要保留它。