使用 Apache Solr 搜索名称

Question

我刚刚冒险进入看似简单但极其复杂的搜索世界。对于一个应用程序，我需要构建一个搜索机制来通过用户的名字搜索用户。

在阅读了许多帖子和文章后，包括:

How can I use Lucene for personal name (first name, last name) search?
http://dublincore.org/documents/1998/02/03/name-representation/
what's the best way to search a social network by prioritizing a users relationships first?
http://www.gossamer-threads.com/lists/lucene/java-user/120417
Lucene Index and Query Design Question - Searching People
Lucene Fuzzy Search for customer names and partial address

...以及其他一些我目前找不到的。并且至少在我的机器上进行索引和基本搜索，我为用户搜索设计了以下方案:

1)有一个名字，第二个和第三个名字字段，并用 Solr 索引那些
2) 使用 edismax 作为 requestParser 进行多列搜索
3)使用归一化过滤器的组合，例如:音译，拉丁到ASCII转换等。
4)最后使用模糊搜索

显然，对此我很陌生，我不确定上述方法是否是最好的方法，并且希望听到有经验的用户在这个领域比我有更好的想法。

我需要能够通过以下方式匹配名称:

1) 重音折叠:Jorn 匹配 Jörn，反之亦然
2)替代拼写:卡尔匹配卡尔，反之亦然
3) 缩短的表示(我相信我使用 SynonymFilterFactory 这样做):Sue 匹配 Susanne 等。
4) Levenstein 匹配: Jonn 匹配 John 等。
5) Soundex 匹配:Elin 和 Ellen

非常欢迎任何指导、批评或评论。请让我知道这是否可能……或者我只是在做白日梦。 :)

编辑

我还必须补充一点，我还有一个全名字段，以防某些人的名字很长，例如其中一篇文章:Jon Paul 或 Del Carmen 也应该匹配 Jon Paul Del Carmen

由于这是一个新项目，我可以以任何我认为合适的方式修改架构和架构，因此限制非常有限。

Answer 1

听起来您正在为需要非常松散匹配的搜索来满足语料库的需求？

如果您这样做，您将需要选择您的字段并设置不同的提升来对您的结果进行排名。

所以在 solr 中有单独的“复制”字段:

精确全名的一个字段(带过滤器)

带过滤器的多值字段 ASCIIFolding、小写...

SynonymFilterFactory ASCIIFolding, 小写...

的多值字段

PhoneticFilterFactory(带有 Caverphone 或 Double-Metaphone )

See Also: more non-english Soundex discussion

名称的同义词，我不知道是否有可用的公共(public)同义词 db。

模糊搜索，我没有发现它有用，它使用 Levenshtein 距离。

其他过滤器和索引可以获得更出色的“搜索相关”结果。

名称中的 Unicode 字符可以用 ASCIIFoldingFilterFactory 处理。

您正在为预期的用例预先描述解决方案。

如果您想要高质量的结果，请计划调整您的 Search Relevance

当尝试匹配同义词时，这种调整将特别有值(value)，例如 MacDonald 和 McDonald(其 Levenshtein 距离比 Carl 和 Karl 大)。