在Elasticsearch中是否有规范英国和美国英语的最佳做法？
使用Synonym Token Filter需要一个非常长的配置文件。在英国和美国英语中实际上有几千个拼写不同的单词，而且几乎不可能找到一个非常全面的单词列表。这是一个list of almost 2.000 words，但它还远未完成。
最好，我想创建一个rules to transform US to UK英语的ES分析器/过滤器。也许这是更好的方法，但我不知道从哪里开始 - 我需要哪种类型的过滤器？它不必涵盖所有内容 - 它应该只是标准化大多数搜索术语。例如。 “灰色” - “灰色”，“颜色” - “颜色”，“中心” - “中心”等。
答案 0 :(得分：2)
我意识到这个答案与OP的初始问题有所不同，但是如果你只想将美式英语与英式英语拼写变体标准化，你可以在这里查看一个可管理的大小列表（约1,700个替换）：http://www.tysto.com/uk-us-spelling-list.html。我确信还有其他人可以用来创建合并的主列表。
除了拼写变异之外，你必须非常小心，不要轻易地用美国英语中的（假设！）对应词单独替换单词。除了最实用的词法替换之外，我会建议你。例如，我无法从这个发现任何不良事件
＆＃34;逆时针，逆时针，逆时针=＆gt;逆时针＆＃34;
但是这个
＆＃34; hobo，无家可归者，tramp =＆gt;烧伤＆＃34;
指数＆＃34;一个无家可归的人＆＃34; =＆GT; *＆＃34;一个笨蛋＆＃34;，这是胡说八道。 （更不用说流浪汉，无家可归者和＆＃34;流浪汉＆＃34;非常截然不同 - http://knowledgenuts.com/2014/11/26/the-difference-between-hobos-tramps-and-bums/。）
总之，除了拼写变异之外，美国与英国的方言划分是复杂的，不能简化为简单的列表查找。
P.S。如果你真的想要做到这一点（即考虑语法上下文等），你可能需要一个上下文敏感的释义模型来＆＃34;翻译＆＃34;英国人到美国英语（或反过来，取决于你的需要）才能达到ES指数。这可以使用现成的统计翻译模型完成（使用足够的并行数据），甚至可以使用自然语言解析，POS标记，分块等自定义内部软件。