連字符在這裏不是問題,假設您使用的是類似於連字符等標記的StandardTokenizer,那麼搜索「籃球」的用戶將匹配原始文本「Basket-Ball」(並且反之亦然),所以沒有問題。
問題出現在兩個單詞和一個單詞之間,例如, 「籃球」和「籃球」。你基本上需要處理的同義詞(例如夾克/大衣或在你的情況下籃球/'籃球')。
你可以通過自己創建一個等價單詞列表或者使用像WordNet這樣的字典來解決這個問題,並且可以使用每個術語的同義詞補充索引或搜索。 Solr有一個SynonymFilter,你可以利用(也見here)。
編輯:
下面是一個非常基本的代名詞過濾器,我寫了,而以前的代碼。同義詞不是外化的,但是你可以很容易地添加自己。
public class SynonymFilter extends TokenFilter {
private static final Logger log = Logger.getLogger(SynonymFilter.class);
private Stack<Token> synStack = new Stack<Token>();
static CharArrayMap<String[]> synLookup = new CharArrayMap<String[]>(5, true);
static {
synLookup.put("basketball".toCharArray(), new String[]{"basket ball"});
synLookup.put("trainer".toCharArray(), new String[]{"sneaker"});
synLookup.put("burger".toCharArray(), new String[]{"hamburger"});
synLookup.put("bike".toCharArray(), new String[]{"bicycle", "cycle"});
}
// TODO reverse map all the syns to each other e.g. sneaker to trainer
protected SynonymFilter(TokenStream input) {
super(input);
}
@Override
public Token next(Token reusableToken) throws IOException {
if (synStack.size() > 0)
return synStack.pop();
Token nextToken = input.next(reusableToken);
if (nextToken != null) {
addSynonyms(nextToken);
}
return nextToken;
}
private void addSynonyms(Token nextToken) {
char[] word = Arrays.copyOf(nextToken.termBuffer(), nextToken.termLength());
String[] synonyms = synLookup.get(word);
if (synonyms != null) {
for (String s : synonyms) {
if (!equals(word, s)) {
char[] chars = s.toCharArray();
Token synToken = new Token(chars, 0, chars.length, nextToken.startOffset(), nextToken.endOffset());
synToken.setPositionIncrement(0);
synStack.add(synToken);
log.info("Found synonym: " + s + " for: " + new String(nextToken.term()));
}
}
}
}
public static boolean equals(char[] word, String subString) {
return equals(word, word.length, subString);
}
public static boolean equals(char[] word, int len, String subString) {
if (len != subString.length())
return false;
for (int i = 0 ; i < subString.length(); i++) {
if (word[len - i - 1] != subString.charAt(subString.length() - i - 1))
return false;
}
return true;
}
}
您的ID /電話號碼是存儲在一個單獨的字段中,還是隻出現在文本中? – ffriend 2011-02-08 11:22:53
有一個例子說明你的問題沒有意義,這個例子與你的問題沒什麼關係,因爲它意味着任何答案都不一定關注你正在做的事情。今後用真實的場景演示問題。 – Joel 2011-02-09 15:57:08