使用 Solr 搜索车牌答案

【问题标题】：Search Number Plates using Solr使用 Solr 搜索车牌
【发布时间】：2014-05-13 11:19:05
【问题描述】：

我正在搜索一个包含大量车牌记录的数据库。我打算使用 Apache Solr 来实现搜索功能。我不知道如何调用我要实现的搜索功能。但是让我向您解释一下我的要求：

当人们搜索时，我希望 Solr 用某些数字代替字母？例如。

12 = R

13 = B

4 = A

11 = H

等等等等？

因此，例如，当有人搜索“John”时，将提供搜索结果，其中应该包含来自可用车牌列表的以下建议。

JO11 NYJ - 搜索应该用 11 代替 H！

例如，看看http://www.privatenumberplates.com/list/JOHN

我不确定如何在 Solr 中完成这项工作，任何开始在 Solr 中处理此问题的想法都会很棒！什么应该最适合使用？同义词、soundex、模糊还是其他？应该使用哪些分析器/词干库？

【问题讨论】：

当我搜索John 时，它还应该匹配什么？它还应该匹配John 和Jo11n 和...吗？
您可以在 UI 端修改此查询。例如。当用户输入 John - 您创建这样的查询 q=title:John OR title:Jo11n OR title:Jo11* （类似这样）。所以我的想法是，您需要在搜索端进行此操作
@cheffe 是的，它应该匹配 John 和 Jo11n 以及其他听起来像 John 的术语。
@Mysterion 你的想法很酷！但我想看看我们是否可以在尝试您的建议之前从 Solr 方面获得结果。您是否检查了我在原始描述中提供的示例站点？
@Krunal，是的。我已经检查了这个网站。

标签： search solr full-text-search solr4

【解决方案1】：

<fieldType name="character_alias" class="solr.TextField">
    <analyzer>
        <charFilter class="solr.MappingCharFilterFactory" mapping="synonym_characters.txt" />
        <tokenizer class="solr.WhitespaceTokenizerFactory" />
        <filter class="solr.BeiderMorseFilterFactory" nameType="GENERIC" ruleType="APPROX" concat="true" languageSet="auto" />
    </analyzer>
</fieldType>

使用这个我们可以映射

"H" => "11"
"4" => "A"
"8" => "A"

以这种方式它也映射“4”=>“8”。我不知道要避免这个问题。

【讨论】：

【解决方案2】：

我喜欢 Persimmonium 的回答，我写的更详细一点。分析器可能如下所示：

<fieldType name="character_alias" class="solr.TextField">
    <analyzer>
        <charFilter class="solr.MappingCharFilterFactory" mapping="synonym_characters.txt" />
        <tokenizer class="solr.WhitespaceTokenizerFactory" />
        <filter class="solr.BeiderMorseFilterFactory" nameType="GENERIC" ruleType="APPROX" concat="true" languageSet="auto" />
    </analyzer>
</fieldType>

我选择了the MappingCharFilter，而不是建议的 PatternReplaceCharFilterFactory，因为它允许提供一个包含应替换字符的列表。这样更方便。

synonym_character.txt 可能如下所示

"11" => "H"
"12" => "R"
"4" => "A"

对于语音部分，我选择了the BeiderMorseFilter。虽然它是为姓氏而不是名字而设计的，但在使用您链接的站点中的一小批样本运行它时，它会产生相当好的结果：

+--+---------+----------+
|id|namePlate|score     |
+--+---------+----------+
|2 |john     |1.2513144 |
+--+---------+----------+
|3 |jo11n    |1.2513144 |
+--+---------+----------+
|4 |jon 52   |0.54745007|
+--+---------+----------+
|6 |107 jon  |0.54745007|
+--+---------+----------+
|8 |jon 52   |0.54745007|
+--+---------+----------+
|5 |40 jon   |0.4692429 |
+--+---------+----------+

【讨论】：

感谢您为我指明正确的方向。非常感谢您的帮助。

【解决方案3】：

多个PatternReplaceCharFilterFactory 用于转换数字->字母（每个转换需要覆盖一个）加上phonetic filter 以匹配发音相似的单词可以作为起点。

您应该在索引时和查询时都这样做。这应该可行...但是您可能希望 'john' 匹配 'john' 的分数高于 'jo11n' 对吧？

因此，您应该使用复制字段来匹配（使用不同的提升）几个字段，一个原始字段，一个应用了数字->字母转换的字段，一个应用了语音过滤器的字段，等等。您可以随心所欲地获得。

您也可以编写自己的分析器，但我会把它留到以后，以防使用内置的分析器不够好。

【讨论】：