Question

我将地址数据集上传到AWS cloudsearch，并且需要能够灵活地查询街道名称：

数据集值： {街道：“Michael-Bayerhammer-Strasse”}

以下所有查询都应该匹配：迈克尔Gundringer-大街迈克尔Gundringerstr。迈克尔Gundringer-STR。迈克尔GundringerStr。等

我找不到实现这个目标的方法。有没有办法用cloudsearch / lucene或任何其他工具来做到这一点？

您可以使用我的cloudsearch网址进行测试：

返回预期结果：

找不到任何匹配项：

编辑：好的，我想出了如何处理一些可能的查询：替换 - 与空间和。与*

这会产生以下结果：

迈克尔Gundringer-大街迈克尔Gundringer-STR。

但我仍在与Michael-Gundringerstr挣扎。有没有办法只需要从lucene部分匹配（即它与Gundringer的数据库条目匹配Gundringerstr的查询）？

Answer 1

如果street字段为analysed，您可以使用query_string

完成该操作

GET /index1/type1/_search
{
"query": {
    "query_string": {
       "default_field": "street",
       "query": "Michael-Bayerhammer Str"
    }
   }
}

Answer 2

我看到要解决两个问题：

对地址进行标记

您需要将地址分解为正确的令牌，并且您需要处理几种不同的格式。

Dash-delimited： CloudSearch会对标点符号进行标记，因此像Michael-Gundringer-Str这样的内容会被分解为“ Michael ” Gundringer '和' Str '。没问题。

大小写分隔：CS不会对基于驼峰的字符串进行标记，因此您需要自己分解 GundringerStr （足够简单的正则表达式）。

Undelimited：你有 Gundringerstr - 除了编写一些硬编码规则之外，我认为没有办法对此进行标记，这可能是可行的，具体取决于数据。

有关text processing和标记化的详情，请参阅文档。

将Str和Strasse视为等效

您希望 strasse 匹配 str 。您可以通过配置自定义同义词列表来完成此操作。有关详情，请参阅docs。您也可以通过算法词干来完成此任务，其中CS内部将阻止 strasse 并将其存储为 str 。你可以打开完整的算法词干并测试它（德语的默认值是轻量词）。