Memorizzazione di parole con apostrofo nell'indice di Lucene

Question

Ho un settore aziendale nell'indice Lucene. Uno dei nomi di società indicizzati è: Moody's

Quando l'utente digita una delle seguenti parole chiave, desidero che questa società venga visualizzata nei risultati di ricerca. 1.Moo 2.Mood 3.Moodys di 4.Moody

Come devo conservare questo indice in Lucene e che tipo di Lucene Query dovrei usare per ottenere questo comportamento?

Grazie.

Answer 1

Sulla base delle vostre precisazioni, voglio dividere la domanda in due, e rispondere a ciascuna a sua volta:

1. Come faccio a parole indice con gli apostrofi come equivalenti alle parole simili senza un apostrofo? per esempio. mapping Moodys e Moody's allo stesso termine indicizzato.
2. Come implementare la ricerca di completamento automatico in Lucene: ad esempio, dato un indice, trova i documenti utilizzando i prefissi delle parole, ad es. mappa Moo a Moodys?

1 è relativamente facile - Utilizzare un StandardToeknizer per creare un token che unisce l'apostrofo e s con la parola precedente, quindi un StandardFilter per rimuovere l'apostrofo e s. Questo convertirà Moody's in Moody. A StandardAnalyzer fa questo e molto altro (rimozione di parole minime e di stop), che potrebbe essere più del necessario. L'utilizzo di uno stelo dovrebbe utilizzare sia lo Moodys e Moody per lo stesso token. Prova SnowBallFilter per questo.

2 è più difficile: Lucene's PrefixQuery, a cui Alan ha alluso, funzionerà solo quando il nome dell'azienda è la prima parola in un campo. Hai bisogno di qualcosa come la risposta a this question about auto-complete in Lucene.

Answer 2

Lo StandardAnalyser dovrebbe funzionare per 3 e 4, ma non funziona per 1 e 2.

Senza scrivere il proprio (complessa) analizzatore testo, vorrei pensare a come vi aspettate nomi di società per essere Cercato. Ad esempio, la sintassi di ricerca lucene di base significa che è possibile trovare "Moody's" se si esegue la ricerca utilizzando i caratteri jolly: "Moo *" e "Mood *". Pertanto, potresti voler aggiungere un "*" al termine di ricerca prima di inviarlo a lucene, tuttavia ciò potrebbe causare confusione se l'utente non è a conoscenza di questa aggiunta di caratteri jolly sotto il cofano.