词干+通配符：意想不到的效果

Question

我正在编辑lucene .net实现（2.3.2），包括词干和自动通配符（在单词的末尾添加*）。

我发现带有通配符的确切单词不起作用。 （所以stack *适用于stackoverflow，但stackoverflow *没有得到命中），并且想知道是什么导致了这个，以及如何修复它。

提前致谢。 （还要感谢不要问我为什么要实现两个自动通配符和词干。）

我即将使查询始终为查询前缀，因此我不必为查询添加任何讨厌的“*”，因此我们将看到是否有任何变得清晰。

编辑：只有被阻止的单词才能使用通配符。示例硅酸盐*不起作用，但硅*不起作用。

Answer 1

它不起作用的原因是因为你阻止了内容，从而改变了术语。

例如，考虑“阀门”这个词。雪球分析仪将其降至“valv”。

因此，在搜索时，由于您阻止输入查询，“阀门”和“阀门”都将被限制为“valv”。使用词干TermQuery“valv”的Term将产生“阀门”和“阀门”出现的匹配。

但是现在，因为在索引中存储了Term“valv”，对“valve *”的查询将不匹配任何内容。这是因为QueryParser未在通配符查询上运行Analyzer。

AnalyzingQueryParser可以处理其中一些案例，但我不认为它是在2.3.x版本的Lucene中。无论如何，它不是通用的，文档说：

  

警告：此类只应与不使用停用词或添加令牌的分析器一起使用。此外，一些词干分析器是不合适的：例如，GermanAnalyzer会将Häuser变为hau，但是H？user在使用此解析器时将成为用户，因此不会发现匹配（即使用此解析器将不会改进QueryParser这种情况）。

我所链接的副本中提到的解决方案适用于所有情况，但您将获得更大的索引。