Azure 搜索 - 语音分析器的问题

Question

我们的客户查询我们的 Azure 搜索索引，主要是为了人名。我们在所有领域都使用 Lucene 分析器。我们通过将客户端的输入名称变成一个短语来构建查询字符串，并添加接近率 3。因为我们使用短语进行搜索，所以我们不能使用 Lucene 分析器的模糊搜索功能，因为它只适用于单个单词。

因此，我们正在寻找一种解决方案，以便能够返回名称拼写与客户输入的名称不完全一致的结果。我们遇到了语音分析器，并且刚刚在我们的索引中实现了 Metaphone 算法。我们进行了一些测试，虽然它让我们更接近我们需要的东西，但我们仍然看到一些问题：

1. 分析仪的范围如此之广，以至于它会带回很多误报。例如，在 Kenneth Gooden 上搜索时，它会返回 Kenneth Cotton。在我们看来，这有点太远了，不能被认为是语音上的相似。是否可以以任何方式调整灵敏度，或者可以采取一些措施来提高其他一些参数来解决这个问题？

2. 在 Barry Soper 上进行搜索时，返回的第一个也是得分最高的结果是“Barry Spear”。第二个结果，得分较低，是“Soper，Barry Russell”。在某种程度上，我可以也许明白为什么它会这样得分（第二个的 b/c 是姓氏），但后来......不是真的。第二个结果包含所需接近度内的两个确切术语。也许 Azure 搜索在应用分析器之前优先考虑短语中的单词顺序？对我来说仍然没有意义。 （旁注 - 此查询还带回“Barh Super” - 请参阅上面的问题 #1）

我想知道是否有人可以提供建议来调整 Azure 搜索的行为，使其更符合我们的需要，或者，也许可以建议语音分析器的替代方案。我们还没有尝试任何其他可用的语音算法，只有 b/c 似乎 Metaphone 是最好的和最常用的。但我们也愿意接受有关其他算法的建议。

谢谢。

Answer 1

您是正确的，模糊运算符仅适用于单个术语。在这种情况下，您可以使用自定义分析器（语音标记过滤器）或同义词功能（预览版）。我不确定您所说的“我们刚刚在索引中实现了 Metaphone 算法”是什么意思，但是您可以在 Azure 搜索 custom analysis stack 中选择几个语音标记过滤器。同义词是仅在预览版中提供的较新功能，您可以查看here。对于同义词，您需要定义同义词规则，例如“Nate, Nathan, Nathaniel”，并且在查询时，搜索一个自动包含其他的结果。

好的，那么我应该如何使用这些构建块来控制搜索的相关性？一种建模方法是为每个扩展策略使用单独的字段。例如，您可以使用三个字段来代替名称的单个字段，例如“name”、“name_synonym”和“name_phonetic”。第一个字段“name”用于精确匹配，“name_synonym”字段启用了同义词，第三个字段使用语音分析器并最大程度地扩大搜索范围。然后，您可以使用scoring profile 来提高每个字段中匹配项的分数。例如，您可以为精确匹配指定 10 的提升值，为同义词指定 5，为语音扩展指定 1。您的搜索将针对这三个内部字段发出。

关于您的问题，为什么“Soper，Barry Russell”的排名低于“Barry Spear”。经过语音分析。 'soper' 和 'spear' 这两个词在索引和查询时都简化为相同的形式，并被视为相同的术语。在计算分数和排名时，搜索引擎使用术语的分析形式，语音相似度对分数没有影响。这就是为什么次要因素（如字段长度）将在影响相关性得分方面发挥更重要的作用。

希望这会有所帮助。我提供了一个示例来对此进行建模，但您也可以查看term boosting in the full lucene query syntax。

如果您有任何其他问题，请告诉我。

内特