改进lucene.net分析器

Question

我在asp.net应用程序中使用lucene.net和雪球分析器。

使用我正在使用的特定语言，我遇到以下问题： 对于两个具有不同含义的特定单词后，结果是相同的，因此搜索它们中的任何一个都会产生两种结果。

我怎样才能教导分析仪不要阻止这两个词，或者虽然阻止它们，但要知道它们有不同的含义。

Answer 1

我在内存中工作，但我记得在其中一个构造函数中你可以传递一个停用词数组，这将阻止传入的单词被阻止。

Answer 2

使用Lucene 4.0，EnglishAnalyzer现在具备此功能，因为它具有constructor which takes a stemExclusionSet

当然，Lucene.Net还没有达到Lucene 4，这样做的好多了。

但是，EnglishAnalyzer使用KeywordMarkerFilter来完成此操作。因此，您可以创建自己的Analyzer，覆盖tokenStream方法，并在KeywordMarkerFilter之前添加SnowballFilter链。

类似的东西：

public TokenStream tokenStream(String fieldName, Reader reader) {
    TokenStream result = new StandardTokenizer(reader);
    result = new StandardFilter(result);
    result = new LowerCaseFilter(result);
    if (stopSet != null)
        result = new StopFilter(result, stopSet);
    result = new KeywordMarkerFilter(result, stemExclusionSet);
    result = new SnowballFilter(result, name);
    return result;
}

您需要构建自己的stemExclusionSet（请参阅CharArraySet）。