Azure 搜索：如何确保所有性别和复数的组合都包含在我的结果中？

Question

我面临一个法语网站的业务需求，该网站需要匹配 masculine/feminine/singular 和单词的复数版本。描述这一点的最简单方法是在这个问题中显示需求本身。

请求 1 - 搜索 chien (masculine/singular)

搜索结果中应包含以下字词：

• 钱 (masculine/singular)
• 中国 (masculine/plural)
• 谢娜 (feminine/singular)
• 中国 (feminine/plural)

当我研究这个需求时，我使用 Analyze API with "fr.microsoft" 分析器来快速测试各种场景。

请求 #1

{ "analyzer": "fr.microsoft", "text": "chien" }

回复#1

• 钱

请求#2

{ "analyzer": "fr.microsoft", "text": "chiens" }

回复 #2

• 钱
• 中国人

请求 #3

{ "analyzer": "fr.microsoft", "text": "chienne" }

回复#3

• 钱
• 钱纳
• 谢娜

请求 #4

{ "analyzer": "fr.microsoft", "text": "chiennes" }

回复#4

• 钱
• 钱纳
• 谢讷

请求 2 - 搜索讲师 (masculine/singular)

搜索结果中应包含以下字词：

• 讲师 (masculine/singular)
• 讲师 (masculine/plural)
• 电饭煲 (feminine/singular)
• 讲座 (feminine/plural)

我再次使用 Analyze API with "fr.microsoft" 分析器来快速测试各种场景。

请求 #1

{ "analyzer": "fr.microsoft", "text": "lecteur" }

回复#1

• 讲师

请求#2

{ "analyzer": "fr.microsoft", "text": "chiens" }

回复 #2

• 讲师
• 讲师

请求 #3

{ "analyzer": "fr.microsoft", "text": "lectrice" }

回复#3

• 讲师
• 电饭锅

请求 #4

{ "analyzer": "fr.microsoft", "text": "lectrices" }

回复#4

• 讲师
• 讲座

我的感受和问题

• 我最初的印象是搜索 "chiennes" 不会匹配包含 "chienne" 的文档，因为 "chiennes" 仅细分为以下内容：chien, chienner,香奈儿.

• 这种印象正确吗？或者搜索 "chiennes" 仍然 return 包含 "chienne" 的文档，因为搜索词 "chiennes" 被标记为 chien,chienner,chiennes，而文档本身将 "chienne" 标记化为 chien,chienner,chienne，所以最终会是一场比赛。请注意，我 斜体 我认为匹配的搜索和索引标记。

• 请注意，上面的 2 个示例要求实际上可能最终成为我的女性与女性 S.O 的重复。我今天早些时候发布的问题：

---

要求示例 3 - 搜索 MELEE

搜索结果中应包含以下字词：

• 近战
• MÊLEE
• 混战
• 美兰
• 混战
• mêlé
• mELer

请求 #1

{ "analyzer": "fr.microsoft", "text": "MELEE" }

回复#1

• 混战

请求#2

{ "analyzer": "fr.microsoft", "text": "MÊLEE" }

回复 #2

• 混战
• 混战

请求 #3

{ "analyzer": "fr.microsoft", "text": "Mêlée" }

回复#3

• 梅勒
• 梅勒
• 梅勒
• mêle
• 混战
• 混战

请求 #3

{ "analyzer": "fr.microsoft", "text": "mêlant" }

回复#3

• 梅勒
• 梅勒
• 混色
• 美兰

在此示例中，我可以继续分析 API 调用，但在这里我可以与现有网站（我们需要重现其功能）和新网站进行比较。现有网站允许我搜索 "melee"，它会找到带有 "mêlant" 的文档。 Screenshot of existing website

但是根据 Analyze API 的结果，我可以看到搜索 "melee" 不会找到 "mêlant" 因为 "melee" 只会被标记化为 "melee" 而 "mêlant" 仅被标记为 meler、mêler、melant 和 mêlant。这里没有匹配项。

我的感受和问题

• 我用Google翻译可以看出"melee"的意思是"scrimmage"或者"brawl".
• 我用Google翻译可以看出"mêlant"的意思是"mixing".
• 这就是搜索 "melee" 与 "mêlant" 不匹配的原因吗？
• 如果业务需求匹配，我有哪些选择？我必须使用同义词吗？如果没有，我的选择是什么？
• 请注意，现有网站使用 SOLR，我们无权访问任何现有代码或 SOLR 的使用方式。我们不得不对所有内容进行逆向工程。
• 我确实设法获得了 SOLR 配置，看起来这就是他们当前的 SOLR 配置为法语设置的方式。看起来他们使用某种字典。

---

请指教

Answer 1

我想我已经回答了你另一个 post 中的第一个和第二个要求：，如果我遗漏了什么，请告诉我。

关于第三个要求，我怀疑发生的情况是您所指的网站使用了激进的词干提取策略。这意味着 melee 或 mêlant 这两个词都归结为同一个词根。在词干提取之上，他们可能使用模糊搜索或其他查询扩展方法，如同义词扩展。问题是您是否希望带有 mêlant 的文档与单词 melee 匹配，前提是它们表示不同的意思。

A​​zure 搜索中可以进行模糊搜索和同义词扩展。您还可以尝试使用 custom analyzers 来控制词干提取的方式。我们使用的 Lucene 组件与 SOLR 中使用的组件相同，因此在大多数情况下您应该能够复制相同的分析器配置。

希望对您有所帮助。