Azure 搜索对破折号的行为不符合预期

Question

在对以下示例数据集使用 azure 搜索时遇到问题：abc-123-456、abc-123-457、abc-123-458 等 在搜索 abc-123-456 时，我希望只返回一个结果，而是得到所有包含 abc-123-... 有什么设置或方法可以改变这种行为吗？

当前搜索设置：

TheSearchIndex.TokenFilters.Add(new EdgeNGramTokenFilter("frontEdgeNGram")
{
    Side = EdgeNGramTokenFilterSide.Front,
    MinGram = 3,
    MaxGram = 20
});

TheSearchIndex.Analyzers.Add(new CustomAnalyzer("FrontEdgeNGram", LexicalTokenizerName.Whitespace)
{
    TokenFilters =
    {
        TokenFilterName.Lowercase,
        new TokenFilterName("frontEdgeNGram"),
        TokenFilterName.Classic,
        TokenFilterName.AsciiFolding
    }
});

SearchOptions UsersSearchOptions = new SearchOptions
{
    QueryType = SearchQueryType.Simple,
    SearchMode = SearchMode.All,
};

使用 azure.search.documents 版本 11.1.1

编辑：使用带星号的 abc-123-456* 进行搜索会得到预期的结果。如何让这种行为默认工作？

只是添加到这个..

传送门版本为2020-06-30 我们使用的 sdk 版本是 azure.search.documents ver 11.1.1

1. abc-123-456 无法按预期工作
2. “abc-123-456”无法按预期工作
3. “abc-123-456”* 不起作用
4. “abc-123-456*”不起作用

如果我们在搜索文本的末尾附加一个星号并且它不在一个短语中......它会按预期工作。 IE： abc-123-456* 按预期工作。 (abc-123-456* | abc-123-457* ) 按预期工作。

为什么需要星号？我们如何才能在一个短语中完成这项工作？

Answer 1

这是在自定义分析器配置中使用 EdgeNGramTokenFilter 时的预期行为。文本“abc-123-456”被分解成更小的标记，如“abc”、“abc-1”、“abc-12”、“abc-123”……“abc-123-456”。查看Analyzer API，了解特定分析器生成的令牌的完整列表。

对于查询 - abc-123，如果使用默认分析器，则查询词将是 abc 和 123，并将匹配包含这些词的所有文档。

另一方面，前缀查询不被分析，而是查找包含前缀的文档，如“abc-123”。 prefix search 绕过全文搜索并查找逐字匹配，这就是返回正确结果的原因。全文搜索是通过倒排索引中的标记进行的。其他所有内容（过滤器、模糊、正则表达式、前缀/通配符等）都在单独的未处理/内部索引中逐字逐句地处理。

另一种方法是仅将字段上的搜索分析器设置为关键字，以避免破坏输入查询。