solr - 多字同义词和奇数 token 顺序

Question

为什么synonymTokenFilter将扩展词放在多词同义词中第一个标记的匹配之后？当我使用Elasticsearch时，这当然也适用于那里的任何Solr / Lucene专家。我仅在索引时间应用此功能，但是它与带状疱疹一起使用，因此顺序非常重要。

我有一个同义词:

爆米花机

我的synonymTokenFilter通过elasticsearch中的默认值具有expand = true。

当我查看 token 时，无论输入术语是爆米花爆米花机还是爆米花机，爆米花机总是插入在爆米花和爆米花之间。

分析“爆米花爆米花”的示例

 t1:Popcorn t2:popcorn t3:machine t4:popper

分析“爆米花机”的示例

  t1:Popcorn t2:popcorn t3:machine t4:popper

Answer 1

Lucene token 流is actually a graph。诸如同义词之类的事情确实会导致该图模型和 token 偏移量出现问题。但是，新的Lucene版本中的情况正在改善。您可能只需要查看(Solr和Lucene)Jiras即可找到相关的讨论。