Question

匈牙利语比英语有点棘手。这些词可以很奇怪地改变，这意味着如果我们想给用户一个很好的体验，我们需要微调搜索。

我已经做了很长一段时间的研究，我遇到了一些可能的解决方案，但我不确定它们是否适合我们的需求。这就是为什么我想请求一些在使用solr方面经验丰富的人的帮助。

予。用或不用空格写的字

如果使用或不使用空格键入单词，如何获得相同的结果？

说我正在寻找一个玻璃花瓶（匈牙利语中的“üvegváza”）。在匈牙利语中，将这些单词组合在一起是很常见的。如何才能获得相同的结果结果如果有人输入没有空格的单词：“üvegváza”？反之亦然，如何在搜索词“üvegváza”中获得带有“üvegváza”字样的项目？

II。处理词缀，变形

在匈牙利语言中，变形可以改变这个词本身。例如，如果您正在寻找“花卉装饰花瓶”，您可以说：

“virágosváza”=带花的花瓶（最接近的英文）
“vázavirággal”=带花的花瓶
“vázavirágokkal”=带花的花瓶

处理变形的最佳方法是什么？例如，如果我输入“virág”，如何为“virágos”，“virággal”提供结果呢？反之亦然：输入关键字“virágos”并获取带有“virág”字样的项目？

您对我们如何使这些工作有任何建议/想法吗？

Answer 1

这可以实现，并且可以使用NGramTokenizerFactory将单词分解为较小的标记。

像

一样使用它

<analyzer>
  <tokenizer class="solr.NGramTokenizerFactory" minGramSize="4" maxGramSize="15"/>
</analyzer>

此处如果输入为"bicycle"

然后创建的令牌是Out：

"bicy", "bicyc", "icyc", "icycl", "cycl", "cycle", "ycle"

您可以针对您的字段尝试此NGramTokenizerFactory，并在solr分析工具中进行检查。如果它与您的查询文本匹配。

您还可以查看读取字段文本的EdgeNGramTokenizerFactory，并生成给定范围内大小的边缘n-gram标记。

这可以像

一样使用

<analyzer>
  <tokenizer class="solr.EdgeNGramTokenizerFactory" minGramSize="2" maxGramSize="5"/>
</analyzer>

它有另一个属性side :( "front"或"back"，默认为"front"）是否从头(front)开始计算n-gram文本或最后(back)。

输入文字："babaloo" 输出文字："ba", "bab", "baba", "babal"

Answer 2

索尔拥有一定程度的匈牙利支持。在the solr-start analyzer page上搜索匈牙利语，向我展示了一个完整的分析器，以及过滤器。在Snowball过滤器中还有匈牙利人的支持。您可以在the TYPO 3 Solr plugin configuration中看到示例配置。

要处理多令牌与单令牌写单词的方式，您可能需要查看ShingleFilter并将令牌分隔符设置为“”（空字符串）。如果文本和搜索都可以连接或分离，则可能需要进行一些实验。您可能需要在类型上启用autoGeneratePhraseQueries以获取分隔的单词版本，以使其成为查询时间ShingleFilter（我认为）。

Solr词缀，带或不带空格的词

2 个答案: