Solr 短语搜索需要匹配部分单词

Question

使用 Solr 搜索英语和韩语文档，到目前为止韩语搜索工作正常。也需要扩展英语精确短语以匹配部分单词。我使用的 Solr 查询：content: "He go"与他去，他走了，他目标等不匹配。我试过这样但没有奏效content: "He go"*content: "He go*"当前字段架构<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">    <analyzer type="index">        <tokenizer class="solr.StandardTokenizerFactory"/>        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt"/>        <filter class="solr.LowerCaseFilterFactory"/>    </analyzer>    <analyzer type="query">        <tokenizer class="solr.StandardTokenizerFactory"/>        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt"/>        <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>        <filter class="solr.LowerCaseFilterFactory"/>        <filter class="solr.CJKBigramFilterFactory" han="false" hiragana="false" katakana="false" hangul="true" outputUnigrams="true" />    </analyzer></fieldType>所以我的输入和预期输出如下：输入：他去（带引号）输出：他去，他去，他目标（应该与包含这些词的文档匹配，可以是部分匹配）我怎样才能实现这个功能，任何建议都非常感谢。

Answer 1

如果你想按词的部分搜索，你需要申请，例如，N-Gram Tokenizer， <tokenizer class="solr.NGramTokenizerFactory" minGramSize="3" maxGramSize="10"/>

例如。

在： "bicycle"

出去： "bicy", "bicyc", "icyc", "icycl", "cycl", "cycle", "ycle"

在这种情况下，您将能够按单词部分进行搜索。您需要为两个分析器应用 NGramTokenizerFactory：

<fieldType name="custome_field_type" class="solr.TextField" positionIncrementGap="100" multiValued="false">

    <analyzer type="index">

      <tokenizer class="solr.NGramTokenizerFactory" minGramSize="3" maxGramSize="10"/>

      <filter class="solr.StopFilterFactory" words="stopwords.txt" ignoreCase="true"/>

      <filter class="solr.LowerCaseFilterFactory"/>

    </analyzer>

    <analyzer type="query">

      <tokenizer class="solr.NGramTokenizerFactory" minGramSize="3" maxGramSize="10"/>

      <filter class="solr.StopFilterFactory" words="stopwords.txt" ignoreCase="true"/>

      <filter class="solr.LowerCaseFilterFactory"/>

    </analyzer>

  </fieldType>

如果您使用上述字段类型，那么在管理工具上的相同分析如下。

您还可以尝试以下查询分析器。这一切都取决于您的要求。

<analyzer type="query">

  <tokenizer class="solr.KeywordTokenizerFactory"/>

</analyzer>

您可以修改或添加字段类型schema.xml并将其应用于您的字段。完成后重新启动服务器，重新索引数据。如果数据匹配，您可以使用 solr 管理工具验证您的字段的上述 fieldType。

我使用了以下字段类型并使用 solr 工具进行了分析。

这是字段类型：

    <fieldType name="custome_field_type" class="solr.TextField" positionIncrementGap="100" multiValued="false">

        <analyzer type="index">

          <tokenizer class="solr.NGramTokenizerFactory" minGramSize="3" maxGramSize="10"/>

          <filter class="solr.StopFilterFactory" words="stopwords.txt" ignoreCase="true"/>

          <filter class="solr.LowerCaseFilterFactory"/>

        </analyzer>

        <analyzer type="query">

          <tokenizer class="solr.KeywordTokenizerFactory"/>

          <filter class="solr.LowerCaseFilterFactory"/>

        </analyzer>

   </fieldType>

请从 solr 管理工具中找到相同的分析。

Answer 2

在复杂的短语查询分析器支持词组内嵌通配符。在您的情况下，附加inOrder=true到参数将为您提供所需的行为。

您应该注意一些限制：

性能对与模式关联的唯一术语的数量很敏感。例如，搜索“a*”将为索引中以单个字母“a”开头的指示字段的所有术语形成一个大的 OR 子句（技术上是一个包含许多术语的 SpanOr）。将通配符限制为至少两个或最好三个字母作为前缀可能是谨慎的。允许非常短的前缀可能会导致返回许多低质量的文档。

请注意，它还支持前导通配符“*a”以及随之而来的性能影响。在索引时间分析中应用 ReversedWildcardFilterFactory 通常是一个好主意。