Solr Snowball 词干分析器与西班牙语不一致答案

【问题标题】：Solr Snowball stemmer is inconsistent with SpanishSolr Snowball 词干分析器与西班牙语不一致
【发布时间】：2012-01-13 06:20:34
【问题描述】：

我有这个词干字段：

<fieldtype name="textes" class="solr.TextField">
  <analyzer type="index">
    <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="1"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords-es.txt" enablePositionIncrements="true"/>
    <filter class="solr.SnowballPorterFilterFactory" language="Spanish" protected="protwords-es.txt"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="1"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true"/>
    <filter class="solr.SnowballPorterFilterFactory" language="Spanish" protected="protwords-es.txt"/>
  </analyzer>
</fieldtype>

搜索查询 alquileres (rents) 的预期结果将匹配 alquiler (rent)。但是，当我在 Solr 管理站点中转到“字段分析”，并检查索引值 alquiler 和查询值 alquileres 时，会发生以下情况：

当索引alquiler 时，它会变成alquil。
在查询alquileres 时，它会被提取为alquiler。

因此，搜索单词的复数形式 (alquileres) 的简单情况不会匹配其单数形式 (alquiler)。

不应该将索引和查询都提取到同一个词干（alquiler 或alquil）吗？这是算法的限制还是我的误解/错误配置？

【问题讨论】：

标签： solr stemming porter-stemmer

【解决方案1】：

Snowball 词干非常有限...使用字典（Hunspell 词干分析器）可以获得更好的结果：http://wiki.apache.org/solr/Hunspell

【讨论】：

不知道。我一定会看一看的。谢谢！
我尝试了 Hunspell，但它也遇到了同样的故障。 alquileres 不断演变为alquiler，alquiler 演变为alquil。我的王国需要一个体面的西班牙词干分析器！
你可以试试solr.SpanishLightStemFilterFactory 吗？
@Chewie 我对“enfermería”的变体也有同样的问题，您找到解决方案还是关闭了词干提取？

【解决方案2】：

我使用 openoffice 中的 hunspell，它做得非常好。

我的例子：

URL-Elastic/_analyze?analyzer=es_AR&text=alquileres

然后返回：

{
  tokens:
  [
    {
      token: "alquiler",
      start_offset: 0,
      end_offset: 10,
      type: "<ALPHANUM>",
      position: 1
    }
  ]

}

链接：https://www.openoffice.org/download/index.html

【讨论】：