solr facet search 截断单词答案

【问题标题】：solr facet search truncate wordssolr facet search 截断单词
【发布时间】：2012-10-02 20:37:12
【问题描述】：

为法语内容配置 solr。搜索很好，但是当我激活构面搜索时，单词会以特殊方式被截断。

所有 e 都消失了，例如 automobil 代替了汽车，montagn 代替了 montagne，styl 代替了 style ，homm => homme 等等......

<lst name="keywords">
    <int name="automobil">1</int>
    <int name="citroen">1</int>
    <int name="minist">0</int>
    <int name="polit">0</int>
    <int name="pric">0</int>
    <int name="shinawatr">0</int>
    <int name="thailand">0</int>
</lst

这里是查询 q=fulltextfield:champpions&facet=true&facet.field=keywords

关键字内容：

<arr name="keywords">
    <str>Ski</str>
    <str>sport</str>
    <str>Free style</str>
    <str>automobile</str>
    <str>Rallye</str>
    <str>Citroen</str>
    <str>montagne</str>
</arr>

这是使用的架构：

<fieldtype name="text_fr" class="solr.TextField">
  <analyzer type="index">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords_fr.txt"/>
    <filter class="solr.WordDelimiterFilterFactory" preserveOriginal="1" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="0" />
    <filter class="solr.ISOLatin1AccentFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.SnowballPorterFilterFactory" language="French"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords_fr.txt"/>
    <filter class="solr.WordDelimiterFilterFactory" preserveOriginal="1" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="1" />
    <filter class="solr.ISOLatin1AccentFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.SnowballPorterFilterFactory" language="French"/>
  </analyzer>
</fieldtype>

字段定义：

如果有人对此问题有任何想法......

感谢您的回答。问候杰罗姆·朗特

【问题讨论】：

标签： solr truncate faceted-search

【解决方案1】：

一般情况下，如果要将字段用作构面，则应将其存储为字符串。

您正在对一个标记化和过滤的字段进行分面，因此各个值是您的关键字字段中经过处理的字词。

【讨论】：

...为了进一步扩展，polit 是一个词干，预计搜索 polite、politics、politize 甚至是无意义的 politication！法语的过程类似。因此，请使用不进行词干提取的 string 数据类型。
这回答了问题，应该被标记为答案 - 我遇到了同样的问题，设置一个字符串字段解决了这个问题。

【解决方案2】：

上面说的都是正确的，我只想添加一个方面。构面值是索引术语，而不是存储的术语。对构面的一项建议是使用字符串类型。这通常是一个不错的选择。但有时你想把一些事情以你的面子来说。在这种情况下，您可以使用文本类型，但只轻视输入。在任何情况下都避免选择上述的 Stemming (SnowballPorter) 或 WordDelimiter。

一个不错的选择是 KeywordTokenizerFactory，你可以用 PatternReplace 来清理你的术语和输入，最后做一个 TrimFilter。如果您的用户会看到条款，请不要使用小写字母。

例如，我的输入是字母语言代码。 PatternReplace 清理非字母字符，第二个更正输入错误：

  <analyzer>
     <tokenizer class="solr.KeywordTokenizerFactory" />
     <filter class="solr.LowerCaseFilterFactory" />
     <filter class="solr.PatternReplaceFilterFactory"
             pattern="([^a-z])" 
             replacement="" 
             replace="all" />
     <filter class="solr.PatternReplaceFilterFactory"
             pattern="fer|xxx"
             replacement="und"
             replace="all" />
     <filter class="solr.LengthFilterFactory" min="3" max="3" />
  </analyzer>

用 solr 玩得开心

奥利弗

【讨论】：