[英]How to configure Solr to do partial word matching
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
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
<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?
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>
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
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”
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.