我的文档中有name_en、name_de、name_fr等字段，英语中有 cutter，德文中有 mutter。如果我用name_en：cuter~1（只有一个t）进行模糊搜索，它会运行良好，但如果我搜索name_de：muter~1，它就不会返回任何结果。
然而，它与模糊距离2一起工作。因此name_de：muter~2工作正确，并返回mutter。这两种语言在schema.xml中有不同的分析器，所以这应该是区别。但仍然不清楚为什么德语的距离1不起作用。
下面是德语的配置。
<analyzer type="index">
<tokenizer class="solr.StandardTokenizerFactory" />
<filter class="solr.ManagedStopFilterFactory" managed="de" />
<filter class="solr.LowerCaseFilterFactory" />
<filter class="solr.ShingleFilterFactory"/>
<filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt" />
<filter class="solr.GermanStemFilterFactory" />
<filter class="solr.RemoveDuplicatesTokenFilterFactory" />
</analyzer>有人能解释一下为什么距离是2，而不是1吗？正如我所观察到的，mu* t er和mut*er之间的距离是1，而不是2。
1条答案
按热度按时间a5g8bdjr1#
发生这种情况是因为
mutter被德语词干分析器截断，并被索引为mutt，其中cutter似乎没有被大多数英语词干分析器所触及（用Porter和Snowball/Porter 2算法测试，已知是最激进的）：cuter与cutter匹配的编辑距离为1。muter与mutt匹配的编辑距离为2。为了使模糊搜索按预期工作，您需要在分析链中保留原始（无词干）标记，以便它们也被索引，从而可以在查询时由距离算法正确匹配。
一个简单的解决方案是使用KeywordRepeatFilterFactory，将其放在词干分析器之前，以便保留无词干标记，并在与有词干标记相同的位置索引。否则，您必须使用特定的字段类型。
出于同样的原因，您可能也有相同类型的issues with wildcard queries，解决方案也是相同的。
注意：我注意到你使用的是一个瓦片过滤器，把关键字repeater***放在瓦片过滤器的***之后是很重要的，这样重复的单字就可以被词干化，重复的瓦片就可以被重复过滤器删除，否则瓦片就会由重复的关键字组成。