Elasticsearch che non restituisce corrispondenze al singolare/plurale

Question

Sto utilizzando una libreria php di elasticsearch per indicizzare e trovare documenti nel mio sito web. Questo è il codice per la creazione dell'indice:

curl -XPUT 'http://localhost:9200/test/' -d ' 
{ 
    "index": { 
    "numberOfShards": 1, 
    "numberOfReplicas": 1 
    } 
}' 

Ho quindi utilizzare ricciolo XPUT aggiungere documenti all'indice e XGET per interrogare l'indice. Ciò funziona bene, ad eccezione del fatto che i singoli e i plurali delle parole di query non vengono confrontati nell'indice durante la restituzione dei risultati. Ad esempio, quando cerco "discussioni", le corrispondenze per "discussione" non vengono restituite e viceversa. Perché è così? Ho pensato che questo si è preso cura di default in elasticsearch. C'è qualcosa che dobbiamo menzionare esplicitamente perché corrisponda alle forme singolare/plurale?

Answer 1

In qualche modo snowball non funziona per me ... che ottiene gli errori come ho detto nel commento a @ imotov di risposta . Ho usato stelo di porter e ha funzionato perfettamente per me. Questa è la configurazione che ho usato:

curl -XPUT localhost:9200/index_name -d ' 
{ 
"settings" : { 
    "analysis" : { 
     "analyzer" : { 
      "stem" : { 
       "tokenizer" : "standard", 
       "filter" : ["standard", "lowercase", "stop", "porter_stem"] 
      } 
     } 
    } 
}, 
"mappings" : { 
    "index_type_1" : { 
     "dynamic" : true, 
     "properties" : { 
      "field1" : { 
       "type" : "string", 
       "analyzer" : "stem" 
      }, 
      "field2" : { 
       "type" : "string", 
       "analyzer" : "stem" 
      } 
     } 
     } 
    } 
}' 

Answer 2

L'analizzatore di elascticsearch predefinito non esegue la derivazione e questo è ciò che è necessario gestire al plurale/singolare. Si può provare a utilizzare Snowball Analyzer per i vostri campi di testo per vedere se funziona meglio per il vostro caso d'uso:

curl -XPUT 'http://localhost:9200/test' -d '{ 
    "settings" : { 
     "index" : { 
      "number_of_shards" : 1, 
      "number_of_replicas" : 1 
     } 
    }, 
    "mappings" : { 
     "page" : { 
      "properties" : { 
       "mytextfield": { "type": "string", "analyzer": "snowball", "store": "yes"} 
      } 
     } 
    } 
}' 

Answer 3

Dal filtro 'porterStem' è ipersensibile, è più adatto se si utilizza il filtro 'minimal_english'. 'porterStem' crea token simili per parole come:

la ricerca di 'Test' ti darà 'Test', 'Test', 'Test', 'Tester' et. al.

Ma "minimal_english" restituirà solo "Test" e "Test".