Lucene .NET的多短语同义词

Question

我有一个使用lucene.Net的应用程序，在搜索短语/术语中使用Lucene的同义词特性有困难。

例如，如果我想搜索单词"superman"，并设置了一个同义词：“蜘蛛侠”，我希望(并且确实)返回与“蜘蛛侠”以及“超人”相关的结果。

现在我想要的是搜索“正义联盟”，并为该术语设置一个同义词，称为“复仇者”。

还说“超人”和同义词“正义联盟”。

你有点像我说的那样。总之，我想有能力设置多短语同义词。我知道同义词确实是1字对1字，但是对于Lucene.NET或Lucene本身是否有任何自定义的方法来解决这个问题。我听说lucene正在添加这个特性，但是我在环顾四周时还没有看到任何有用的东西。

谢谢艾德

Answer 1

看看solr.SynonymFilterFactory

请记住，虽然SynonymFilter会很高兴地使用包含多个单词的同义词(例如："sea biscit、sea biscit、seabiscuit")，但建议的处理此类同义词的方法是在索引时扩展同义词。这是因为在查询时可能会出现两个潜在的问题：

1. Lucene QueryParser在将任何文本提供给分析器之前在空白上进行标记，因此，如果一个人搜索space这个词，分析器将分别得到" sea“和" biscit”这两个词，并且不知道它们是否匹配同义词。
2. 短语搜索(即：“searching”)将导致QueryParser将整个字符串传递给分析器，但是如果SynonymFilter被配置为扩展同义词，那么当QueryParser从分析器获得得到的令牌列表时，它将构造一个不会产生预期效果的MultiPhraseQuery。这是因为分析器可用的机制有限，无法表明两个术语占有相同的地位:没有办法表明“短语”与术语占有相同的地位。对于我们的例子，生成的MultiPhraseQuery将是"(sea _ sea _Sea_ seabiscuit) (饼干\ biscit)“，这与文档中出现的"seabiscuit”的简单情况不匹配。