我不知道如何处理包含空格的同义词！我有以下配置：
SOLR配置文件
<fieldType ... >
<analyzer type="index">
<charFilter class="solr.MappingCharFilterFactory" mapping="mapping-ISOLatin1Accent.txt"/>
<tokenizer class="solr.WhitespaceTokenizerFactory"/>
<filter class="solr.WordDelimiterFilterFactory"
catenateWords="1"
preserveOriginal="1"
splitOnCaseChange="1"
generateWordParts="1"
generateNumberParts="1"
catenateNumbers="1"
catenateAll="1"
/>
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.EdgeNGramFilterFactory" minGramSize="2" maxGramSize="30" side="front"/>
</analyzer>
<analyzer type="query">
<charFilter class="solr.MappingCharFilterFactory" mapping="mapping-ISOLatin1Accent.txt"/>
<tokenizer class="solr.WhitespaceTokenizerFactory"/>
<filter class="solr.LengthFilterFactory" min="2" max="70" />
<filter class="solr.SynonymFilterFactory" synonyms="syn.txt" ignoreCase="true" expand="true"/>
<filter class="solr.LowerCaseFilterFactory"/>
</analyzer>
</fieldType>我的档案：syn.txt
st., st => saint
istambul => istanbul
airport, apt => aéroport
NYC => New York
pt., pt => port
brussels => bruxelles一切都很好，除了同义词：
"NYC => New York"我做了一些研究，发现了以下内容：
请记住，虽然SynonymFilter可以很好地处理包含多个单词的同义词（即：“海饼干、海饼干、海饼干”）
处理此类同义词的建议方法是在编制索引时展开同义词。这是因为在查询时可能会出现两个潜在问题：
Lucene QueryParser在将任何文本提供给分析器之前会对白色进行标记化，因此，如果用户搜索单词sea biscit，分析器将分别获得单词“sea”和“biscit”，并且不会知道它们是否匹配同义词。
短语搜索（即：“sea biscit”）将导致QueryParser将整个字符串传递给分析器，但是如果SynonymFilter被配置为展开同义词，那么当QueryParser从分析器中获取得到的标记列表时，它将构造一个MultiPhraseQuery，而该MultiPhraseQuery将不会产生预期的效果。
这是因为分析器可用于指示两个术语占据相同位置的机制有限：没有办法指示“短语”占据与术语相同的位置。
对于我们的示例，得到的MultiPhraseQuery将是“（sea|浪|海饼干|biscit）”，这与文档中出现的“seabiscuit”的简单情况不匹配
所以我试着改变我的配置文件，并在索引中添加我的过滤器，但它不起作用。
有人有什么想法吗？
4条答案
按热度按时间7d7tgy0s1#
您正在使用
=>执行显式Map。Solr文档中说
显式Map将LHS上的任何标记序列“=〉”和
replace与RHS上的所有替代项匹配。这些类型的Map忽略模式中的expand参数。所以我猜如果你搜索
NYC，你什么也得不到，因为它在索引时被New York替换了。相反，您可以尝试将它们声明为等效同义词吗？例如，像
NYC, New York而不是NYC => New York。那么我相信你可以搜索他们中的任何一个，结果都会是一样的。
pkln4tw62#
问题是，当第一个短语中的单词数量少于第二个短语中的单词数量时，solr同义词往往会导致问题。当这种情况发生时，标记会溢出到其他标记的位置。
我有一个解决这个问题的方法，但是它需要在索引和查询时使用两次solr.SynonymFilterFactory。
就像这样：
在第一个筛选器中，您将拥有：纽约=〉纽约
在第二个筛选器中：NYC =〉约克
现在，搜索纽约将返回包含NYC和Vice诗句的结果。
最后一点：此方法只有在索引和查询时才有效。
ru9i0ody3#
内容
我想你应该这样做：
内容
我也遇到了类似的问题，并得出结论，这是因为解析是在同义词替换之前完成的，这可能会在多词时导致问题。我发现可以在SynonymFactory中包含一个解析器：
我刚刚测试了它，我得到了更好的结果，但还没有一个预期的。奇怪的是，当添加KeywordTokenizerFactory似乎有积极的影响，添加WhitespaceTokenizerFactory或StandardTokenizerFactory似乎没有改变任何东西。
顺便说一句，如果不使用木瓦，这应该已经很好了。
hwamh0ep4#
根据Shadoko教授的回答：
观察分析仪的工作方式，例如，使用
analysis/field是一个开箱即用的请求处理程序（位于solrconfig.xml中）。Here您可以找到它的参数列表。（“analysis.query”对我不起作用，所以我不得不使用“q”）
由于SynonymFilter在匹配任何同义词之前解析（剪切）传入的文本，因此多词同义词不会命中。诀窍是告诉SynonymFilter接受一个解析器，而该解析器实际上并不进行解析：关键字标记器
无论如何，这种方法感觉像一个黑客，我不能估计的副作用（可伸缩性，...）-所以要小心！