我在将空格引入关键字时遇到了一个问题,例如:
我们有一个标题为“ Sony Playstation 4 Camera V2 PS4(PSVR)”的产品
搜索“ playstation”或“ playstation摄像机”将带回此产品
搜索“ Play Station”或“ Play Station Camera”不会带回此产品(注意空格)
这是正在使用的fieldType:
<fieldType name="text_en_splitting" class="solr.TextField" positionIncrementGap="100" autoGeneratePhraseQueries="true">
<analyzer type="index">
<tokenizer class="solr.WhitespaceTokenizerFactory"/>
<filter class="solr.HyphenatedWordsFilterFactory"/>
<filter class="solr.EnglishMinimalStemFilterFactory"/>
<filter class="solr.StopFilterFactory" ignoreCase="true" words="lang/stopwords_en.txt"/>
<filter class="solr.SynonymGraphFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
<filter class="solr.WordDelimiterGraphFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" preserveOriginal="1"/>
<filter class="solr.LowerCaseFilterFactory"/>
</analyzer>
<analyzer type="query">
<tokenizer class="solr.WhitespaceTokenizerFactory"/>
<filter class="solr.HyphenatedWordsFilterFactory"/>
<filter class="solr.EnglishMinimalStemFilterFactory"/>
<filter class="solr.StopFilterFactory" ignoreCase="true" words="lang/stopwords_en.txt"/>
<filter class="solr.SynonymGraphFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
<filter class="solr.WordDelimiterGraphFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" preserveOriginal="1"/>
<filter class="solr.LowerCaseFilterFactory"/>
</analyzer>
</fieldType>
如何解决此问题,并使“ playstation”和“ play station”匹配?在我的示例中,这仅限于PlayStation,但它可以出现在任何搜索词上,例如“ cyberpunk”,“ cyber punk”。因此,需要大量人工工作(例如添加的同义词)的解决方案play station => playstation
是不可行的。
我尝试过但未能成功的事情:
你可以使用碎片过滤器将多个令牌合并为一个。
<analyzer type="query">
<tokenizer class="solr.WhitespaceTokenizerFactory"/>
<filter class="solr.HyphenatedWordsFilterFactory"/>
<filter class="solr.EnglishMinimalStemFilterFactory"/>
<filter class="solr.StopFilterFactory" ignoreCase="true" words="lang/stopwords_en.txt"/>
<filter class="solr.SynonymGraphFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
<filter class="solr.WordDelimiterGraphFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" preserveOriginal="1"/>
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.ShingleFilterFactory"/>
</analyzer>
如果你假设这些词在被索引时拼写正确,则只能在查询时应用。它将为你串联令牌,有效地为你提供多个“合并的”令牌:
play station camera => play, station, camera, playstation, stationcamera
..给出maxShingleSize=2
。如果你将最大大小增加到3,这也将为你playstationcamera
提供单个令牌(在这种情况下)。如果你有一些术语,人们可能会多次拆分一个单词,那么这可能是必要的。
如果你假设你的术语已正确索引,并且仅在查询时需要这样做,则索引不会更改,也不必重新索引(大小不会更改)。
你可能需要更改过滤器的位置。你的词干过滤器会在神秘的地方打破这种局面,因为你最终会串联以前的词干。
谢谢你的帮助!这是我到目前为止尝试过的最有效的方法,还需要进行一些微调,才能解决我的问题。