elasticsearch - elasticsearch 匹配发音相同的单词

Question

我想匹配拼写不同但发音相同的单词。像“男”和“男”，“平面”和“素”。我们可以在elasticsearch中做这样的匹配吗？

Answer 1

您可以使用 analysis phonetic plugin为了那个任务。

让我们利用该插件创建一个带有自定义分析器的索引:

curl -XPUT localhost:9200/phonetic -d '{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "standard",
          "filter": [
            "standard",
            "lowercase",
            "my_metaphone"
          ]
        }
      },
      "filter": {
        "my_metaphone": {
          "type": "phonetic",
          "encoder": "metaphone",
          "replace": true
        }
      }
    }
  }
}'

现在让我们使用新的分析器来分析您的示例。如您所见，plain 和 plane 都将生成单个 token PLN:

curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'plane'
curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'plain'

{
  "tokens" : [ {
    "token" : "PLN",
    "start_offset" : 0,
    "end_offset" : 5,
    "type" : "<ALPHANUM>",
    "position" : 1
  } ]
}

对于 mail 和 male 也是一样，它们生成单个标记 ML:

curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'mail'
curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'male'

{
  "tokens" : [ {
    "token" : "ML",
    "start_offset" : 0,
    "end_offset" : 4,
    "type" : "<ALPHANUM>",
    "position" : 1
  } ]
}

我使用了metaphone 编码器，但您可以自由使用任何其他受支持的编码器。您可以找到有关所有支持的编码器的更多信息:

• 在Apache Codec documentation对于 metaphone、double_metaphone、soundex、caverphone、caverphone1、caverphone2 , refined_soundex, 古龙香水, beider_morse
• 在additional encoders对于 koelnerphonetik、haasephonetik 和 nysiis