如何在Solr中使用SynonymFilterFactory和ShingleFilterFactory？

Question

我想要实现的是寻找‘除臭剂喷雾’匹配‘止汗喷雾’，‘迪奥喷雾’等。

我使用SynonymFilterFactory在索引时间添加除臭剂、除臭剂和止汗剂的同义词。我可以在分析器上看到这个正确的工作。

在此之后，我将运行一个ShingleFilterFactory (maxShingleSize="3")来拆分成单词的组合。这再一次给了我正确的结果，例如分析“测试板短语”：

• 测试
• 试验瓦
• 测试板短语
• 瓦形
• 板语短语
• 短语

这就是我们想要的结果。当我把同义词术语和shingles结合起来时，问题就来了。例如，搜索“除臭剂喷雾”应该会给我：

• 除臭剂喷雾
• deo喷雾
• 止汗喷雾

我所有的同义词。但我真正看到的是：

• 除臭剂
• 除臭除臭剂
• 除臭剂除汗剂
• 迪奥
• deo止汗剂
• deo止汗喷雾
• 止汗剂
• 止汗喷雾

很明显，从每一个同义词术语中都可以制造出瓦状物。我试着换掉我的过滤工厂的订单，但似乎没能让它运转起来。我做错了什么？

Answer 1

您唯一能做的就是使用同义词过滤器而不展开--将所有同义词减少到列表中的第一个。然后，您必须在索引时和查询时使用它。

这种方法不会导致文档中描述的问题，因为您也必须在索引上应用过滤器。

考虑以下情况：

• 带有"text“字段的索引，该字段在查询时使用SynonymFilter和同义词TV、Televesion和expand="true”
• 载有“文本:电视”一词的数千份文件
• 载有“文本:电视”一词的几百份文件

对文本的查询:TV将扩展到(文本:TV文本:TV)和较低的文本docFreq (文本:TV)：电视将给与“电视”匹配的文档一个更高的分数，而与"TV“相匹配的文档(与”TV“匹配)可能有点违背客户的直觉。索引时间的扩展(或减少)将导致对所有文件使用相同的以色列国防军，而不论原始文本所包含的术语是什么。

但是，如果您想支持文档中描述的多个单词同义词，您可能仍然会遇到问题。

我不知道由同义词组成的标签是否会对搜索结果产生影响，但如果不是，那么只需要在索引中增加空间，所以考虑一下是否想要保存它。