我希望如果lucene文档包含 cheeseburger 这个词，并且用户会搜索汉堡以显示这些文档。我看到我可能需要一个自定义分析器来将这个复合词分解为 cheese 和 burger 。但是，打破单词也可能带来无关的结果。
例如：如果在索引制作时我们也将产品和离子编入索引，那么当用户搜索包含的离子文档时生产将会出来，这是不相关的。
所以一个简单的断字器不会削减它。我需要一种方法知道芝士汉堡与汉堡和奶酪相关联，但生产与生产无关的离子即可。
是否有更智能的流程来实现这一目标？
这是否有一个名称，就像词干是将单词缩减为根形式？
答案 0 :(得分：1)
你应该看DictionaryCompoundWordTokenFilter使用强力算法根据字典分割复合名词。
答案 1 :(得分：1)
根据您对同义词的准确程度，您可能需要研究Latent Semantic Analysis（LSA）及其变体（如LDA等）等方法。更简单的方法是使用Ontology，如Wordnet以增加您的搜索量。 Wordnet Lucene索引可用。但是，如果您的方案包含特定于域的词汇，那么您可能需要生成“映射”本体。
答案 2 :(得分：0)
在大多数情况下，您只需使用带有通配符*汉堡的通配符查询即可。您只需在查询解析器上启用对前导通配符的支持：
parser = new QueryParser(LuceneVersion.getVersion(), searchedAttributes, analyzer);
parser.setAllowLeadingWildcard(true);
保重： 领先的通配符可能会减慢搜索速度。
如果您需要更具体的解决方案，我建议您采用词干。如果真的找到合适的分析仪。 有几种语言的词干实现，例如SnowballAnalyzer（http://lucene.apache.org/core/3_6_0/api/all/org/apache/lucene/analysis/snowball/SnowballAnalyzer.html）。
致以最诚挚的问候，
克里斯
答案 3 :(得分：0)
通过查看单词获得关联不会扩展到其他单词。例如，你不能知道“whopper”与汉堡有关，而“big-mac”只是通过查看单词与奶酪相关联。要使搜索知道关联，您可能需要一个关联数据库，如“A是B”或“A包含B”。 （正如Mikos所提到的，我认为WordNet提供了这样一个数据库。）然后，当你在查询中看到B时，你翻译查询以便它也搜索A。
答案 4 :(得分：0)
我认为根本问题是 - 您正在编制索引的集合有多大？如果您正在索引某些已知所有同义词和相关单词的集合，则索引可以直接包含同义词和相关单词，例如'cheeseburger'，包括相关单词'cheese'和'burger'。 （一种成功用于LOINC标准医学术语Lucene指数的方法。）
如果你试图解决整个人类语言（英语，中文等）的一般问题，那么你必须转向上面提到的某种语义分析。
与您正在编制索引的区域的主题专家交谈可能有用，看看他们如何搜索术语 - 他们使用了哪些同义词/相关词，他们是否定义了同义词/相关词的列表，他们需要/使用词干等。这可以让你了解你需要采用哪种方法（直接同义词/相关词包含或语义分析）。