Elasticsearch自定义词干提取算法

Question

我正在将应用程序从dtSearch迁移到elasticsearch，并希望在不改变最终用户流程的情况下保持相同的功能。我遇到的主要问题是词干。我们允许用户以dtSearch格式指定他们自己的词干规则：

3+ies  -> y
3+ing  ->

其中3是前面的字符数，ies是后缀，y是要替换的内容。是否可以为elasticsearch指定自定义算法(好的...lucene引擎)，这样用户就不必更新他们的词干规则来符合新的搜索服务？或者这两种方法是相互排斥的？

Answer 1

对于痛苦的、极其肮脏的解决方案，您可以使用正则表达式。

https://www.elastic.co/guide/en/elasticsearch/reference/2.4/analysis-pattern_replace-tokenfilter.html

否则，你必须创建你自己的Elasticsearch分析插件(用java实现一个令牌过滤器，它可以做你想做的事)。

https://www.elastic.co/guide/en/elasticsearch/plugins/2.4/plugin-authors.html

如果您可以在内存中将词干规则表示为DFA，那么它的性能会最好。有几个java自动机库你可以使用。(例如http://www.brics.dk/automaton/faq.html)