Solr WordDelimiterFilter 生成单词部分并在查询中连接

Question

我想查询 wi-fi 以将文档与索引中的 wifi 相匹配。所以，我使用 solr.WordDelimiterFilterFactory 来连接查询中的单词:

<fieldType name="text" class="solr.TextField" positionIncrementGap="100">
    <analyzer type="query">
        <tokenizer class="solr.WhitespaceTokenizerFactory"/>
        <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="1" splitOnCaseChange="1" splitOnNumerics="1" stemEnglishPossessive="0" preserveOriginal="0"/>
        <filter class="solr.ICUFoldingFilterFactory"/>
    </analyzer>
    <analyzer type="index">
        <tokenizer class="solr.WhitespaceTokenizerFactory"/>
        <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="1" splitOnCaseChange="1" splitOnNumerics="1" stemEnglishPossessive="0" preserveOriginal="0"/>
        <filter class="solr.ICUFoldingFilterFactory"/>
    </analyzer>
</fieldType>

但是使用这个配置查询LGA1155并不匹配LGA 1155，因为查询title:LGA1155被解析为:(title:lga title:1155 title:lga1155)~3

如果我不连接查询中的单词，LGA1155 匹配 LGA 1155，因为查询被解析为:(title:lga title:1155)~2。但是 Wi-Fi 与 wifi 不匹配。

我正在使用 edismax 查询解析器，而 q.op 是 AND。 Solr 版本:4.5。

那么，如何让 wi-fi 匹配 wifi 和 LGA1155 匹配 LGA 1155(和其他类似的查询)？

Answer 1

正如您所描述的，您想将单词部分连接起来，但又想在数字上进行拆分。
catenateAll="1"你在那里不好，因为它会撤销你想要实现的数字分割(LGA115 变成 LGA 1155)。

尝试使用 WhitespaceTokenizerFactory 的这些设置在您的分析仪中。

<fieldType name="text" class="solr.TextField" positionIncrementGap="100">
    <analyzer>
        <tokenizer class="solr.WhitespaceTokenizerFactory" />
        <filter class="solr.WordDelimiterFilterFactory"
            generateWordParts="0" catenateWords="1"
            generateNumberParts="1" catenateNumbers="0" splitOnNumerics="1"
            catenateAll="0" splitOnCaseChange="0"
            stemEnglishPossessive="0" preserveOriginal="0" />
        <filter class="solr.ICUFoldingFilterFactory" />
    </analyzer>
</fieldType>

这将产生以下 token

无线网络 -> wifi

Wi-Fi -> wifi

WiFi -> wifi

LGA1155 -> lga 1155

LGA 1155 -> lga 1155

LGA-1155 -> lga 1155

如您所见，wifi 成为一个词，LGA1155 分离。

另一件事是，正如您在我的示例中看到的，如果查询和索引时间的分析器应与您的示例中相同，则可以省略 type analyzer 中的属性元素并完全删除两个元素之一。

所以代替

<fieldType ... >
    <analyzer type="query">
       <!-- same stuff -->
    </analyzer>
    <analyzer type="index">
       <!-- same stuff -->
    </analyzer>
</fieldType>

只是

<fieldType ... >
    <analyzer>
       <!-- will be taken to index and query time -->
    </analyzer>
</fieldType>