如何配置Solr做部分词匹配

Question

给定以下一组值，我如何将字段配置为 return 部分单词匹配但也匹配整个搜索词的值？

值：

Texas State University
Stanford University
St. Johns College

期望的结果示例：

搜索词：sta

期望的结果：

Texas State University
Stanford University

搜索词：stan

期望的结果：

Stanford University

搜索词：st un

期望的结果：

Texas State University
Stanford University

这是我目前尝试过的方法：

<fieldType name="text" class="solr.TextField" omitNorms="false">
  <analyzer>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" words="stopwords.txt"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
    <filter class="solr.EdgeNGramFilterFactory" minGramSize="2" maxGramSize="15" side="front"/>
  </analyzer>
</fieldType>

我认为我的问题出在 EdgeNGramFilterFactory 上。如上所示，第二次搜索 stan return 显示的所有三个值，而不是仅 Stanford。但是，没有 EdgeNGramFilterFactory，部分单词根本不匹配。

Solr 字段的正确配置是 return 部分单词匹配但也匹配整个搜索词的值？

Answer 1

我想我明白了。 不过，我绝对欢迎其他答案和其他更正。

解决方案似乎是只在索引时使用 EdgeNGramFilterFactory，而不是在查询时。当您考虑时，这是有道理的。我在索引时需要 n-gram，但在查询时只想匹配实际的搜索词。

<fieldType name="text" class="solr.TextField" omitNorms="false">
  <analyzer type="index">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" words="stopwords.txt"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
    <filter class="solr.EdgeNGramFilterFactory" minGramSize="2" maxGramSize="15" side="front"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" words="stopwords.txt"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
  </analyzer>
</fieldType>

Answer 2

我有类似的要求并尝试了这个...创建了不同的字段类型...

<fieldType name="text_reference" class="solr.TextField" sortMissingLast="true" omitNorms="true" positionIncrementGap="100">
      <analyzer type="index">
    <tokenizer class="solr.KeywordTokenizerFactory"/>
      <filter class="solr.LowerCaseFilterFactory"/>
      <filter class="solr.EdgeNGramFilterFactory" minGramSize="4" maxGramSize="50" side="front"/> 
      </analyzer>
      <analyzer type="query">
    <tokenizer class="solr.KeywordTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
  </fieldType>

我还有一个要求... 下面的博客会详细解释

https://www.blogger.com/blogger.g?blogID=8592878860404675342#editor/target=post;postID=6309840933546641223;onPublishedMenu=allposts;onClosedMenu=allposts;postNum=33;src=postname

Answer 3

您可以使用

N-Gram 过滤器

生成给定范围内大小的 n-gram 标记。请注意，令牌按位置排序，然后按克数排序。

工厂class:solr.NGramFilterFactory

参数：

minGramSize：（整数，默认为 1）最小克大小。 maxGramSize：（整数，默认为 2）最大克大小。

示例：

<analyzer>  
  <tokenizer class="solr.StandardTokenizerFactory"/>
  <filter class="solr.NGramFilterFactory"/>
</analyzer>

在："four score"

输出："f"、"o"、"u"、"r"、"fo"、"ou"、"ur"、"s", "c", "o", "r", "e", "sc", "co", "or", "re"

http://archive.apache.org/dist/lucene/solr/ref-guide/apache-solr-ref-guide-5.3.pdf#page=112&zoom=auto,-187,475

如何配置Solr做部分词匹配

How to configure Solr to do partial word matching

lucene

solr

sunspot

期望的结果示例：

这是我目前尝试过的方法：