如何配置 Solr 進行部分詞匹配

Question

鑒於以下一組值，我如何配置字段以返回部分單詞匹配但也匹配整個搜索詞的值？

價值觀：

Texas State University
Stanford University
St. Johns College

期望結果示例：

搜索詞： sta

預期結果：

Texas State University
Stanford University

搜索詞： stan

預期結果：

Stanford University

搜索詞： st un

預期結果：

Texas State University
Stanford University

這是我迄今為止嘗試過的：

<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>

我認為我的問題出在EdgeNGramFilterFactory 。 如上所示，對stan的第二次搜索返回顯示的所有三個值，而不是僅返回Stanford 。 但是，如果沒有EdgeNGramFilterFactory ，部分單詞根本不匹配。

Solr 字段返回部分單詞匹配但也匹配整個搜索詞的值的正確配置是什么？

Answer 1

我想我想通了。 不過，我絕對歡迎其他答案和其他更正。

解決方案似乎是只在索引時使用EdgeNGramFilterFactory ，而不是在查詢時。 當你考慮它時，這是有道理的。 我在索引時想要 n-gram，但只想在查詢時匹配實際的搜索詞。

<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>

Answer 2

我有類似的要求並嘗試了這個......創建了不同的字段類型......

<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>

我還有一個要求……下面的博客會詳細解釋

https://www.blogger.com/blogger.g?blogID=8592878860404675342#editor/target=post;postID=6309840933546641223;onPublishedMenu=allposts;onClosedMenu=allposts;postNum=33;src=postname

Answer 3

您可以使用

N-Gram 過濾器

生成給定范圍內大小的 n-gram 標記。 請注意，令牌按位置排序，然后按 gramize 排序。

工廠類：solr.NGramFilterFactory

參數：

minGramSize：（整數，默認 1）最小克大小。 maxGramSize：（整數，默認 2）最大克大小。

例子：

<analyzer>  
  <tokenizer class="solr.StandardTokenizerFactory"/>
  <filter class="solr.NGramFilterFactory"/>
</analyzer>

在：“四分”

輸出: "f", "o", "u", "r", "fo", "ou", "ur", "s", "c", "o", "r", "e", “sc”、“co”、“或”、“re”

http://archive.apache.org/dist/lucene/solr/ref-guide/apache-solr-ref-guide-5.3.pdf#page=112&zoom=auto,-187,475