将 word_delimiter 与 edgeNGram 一起使用会忽略 Word_Delimiter 令牌

Question

我有如下的自定义分析器。但我不明白如何实现我的目标。

我的目标是我希望有空格分隔的倒排索引，但我也希望在用户输入最少 3 个字符后具有自动完成功能。为此，我想将 word_delimiter 和 edgeNGram 标记组合如下

{
  "settings": {
    "index": {
      "analysis": {
        "analyzer": {
          "my_analyzer": {
            "tokenizer": "whitespace",
            "filter": [
              "standard",
              "lowercase",
              "my_word_delimiter",
              "my_edge_ngram_analyzer"
            ],
            "type": "custom"
          }
        },
        "filter": {
          "my_word_delimiter": {
            "catenate_all": true,
            "type": "word_delimiter"
          },
          "my_edge_ngram_analyzer": {
            "min_gram": 3,
            "max_gram": 10,
            "type": "edgeNGram"
          }
        }
      }
    }
  }
}

这将为“Brother TN-200”提供如下结果。但我期待“tn”也出现在还原索引中，因为我有 word_delimiter 标记。为什么它不在倒排索引中？我怎样才能做到这一点？

curl -XGET "localhost:9200/myIndex/_analyze?analyzer=my_analyzer&pr
    etty=true" -d "Brother TN-200"
    {
      {
        "token" : "bro",
        "start_offset" : 14,
        "end_offset" : 21,
        "type" : "word",
        "position" : 2
      }, {
        "token" : "brot",
        "start_offset" : 14,
        "end_offset" : 21,
        "type" : "word",
        "position" : 2
      }, {
        "token" : "broth",
        "start_offset" : 14,
        "end_offset" : 21,
        "type" : "word",
        "position" : 2
      }, {
        "token" : "brothe",
        "start_offset" : 14,
        "end_offset" : 21,
        "type" : "word",
        "position" : 2
      }, {
        "token" : "brother",
        "start_offset" : 14,
        "end_offset" : 21,
        "type" : "word",
        "position" : 2
      }, {
        "token" : "tn2",
        "start_offset" : 22,
        "end_offset" : 28,
        "type" : "word",
        "position" : 3
      }, {
        "token" : "tn20",
        "start_offset" : 22,
        "end_offset" : 28,
        "type" : "word",
        "position" : 3
      }, {
        "token" : "tn200",
        "start_offset" : 22,
        "end_offset" : 28,
        "type" : "word",
        "position" : 3
      }, {
        "token" : "200",
        "start_offset" : 25,
        "end_offset" : 28,
        "type" : "word",
        "position" : 4
      }]
    }

更新：

当然，如果我使用“min_gram”：2，“tn”将在还原索引中，但我不希望这样，因为如果单词中包含“tn”，它将出现在结果列表中。
例如关于“hp”关键字。我正在为“Hewlett Packard”获取产品，因为我的产品类似于“hp xxx”，但我也得到了一个名为“tech hpc”的产品。在我输入“hpc”之前，我不希望显示此产品。这就是我设置 3 的原因。

如果我不使用 edgeNGram 标记器而只使用 word_delimiter，“tn”在倒排索引中，因为 Brother TN-200 将被索引为兄弟、tn 和 200。这就是为什么我希望 word_delimiter 使“tn”在倒排索引。如果我将它与 edgeNGram 一起使用它没有用吗？ ——

Answer 1

在my_edge_ngram_analyzer 中，min_gram 设置为 3，因此任何长度小于 3 个代码点的令牌都不会显示。 如果您希望 TN 显示，则需要将其设置为 2。

例子：

get <my_index>/_analyze?tokenizer=whitespace&filters=my_edge_ngram_analyzer&text=TN

上述调用将返回 0 个令牌。