Lucene标准分析仪与雪球

Question

刚开始使用Lucene.Net。我使用标准分析器索引100,000行，运行一些测试查询，并注意到如果原始术语是单数，则多个查询不会返回结果。据我所知，雪球分析仪增加了支持，这听起来不错。但是，我想知道是否有超过标准的雪球锣有任何缺点？我是否会因为它而失去任何东西？还有其他分析仪需要考虑吗？

Answer 1

是的，通过使用诸如Snowball之类的词干分析器，您将丢失有关原始文本形式的信息。有时这会很有用，有时候不会。

例如，Snowball将“组织”限制为“组织”，因此搜索“组织”将返回带有“器官”的结果，而不会有任何得分惩罚。

这是否适合您取决于您​​的内容以及您支持的查询类型（例如，搜索是非常基本的，还是用户非常复杂并使用您的搜索来准确过滤结果）。您可能还希望研究不那么激进的词干分析器，例如KStem。

Answer 2

snowball分析仪会增加您的召回率，因为它比标准分析仪更具攻击性。因此，您需要评估您的搜索结果，以确定您的数据是否需要增加recall or precision。

Answer 3

我刚刚完成了一个执行词形还原的分析器。这类似于词干，除了它使用上下文来确定单词的类型（名词，动词等）并使用该信息来导出词干。它还保留了索引中单词的原始形式。也许my library对您有用。但它需要Lucene Java，而且我不知道任何C＃/。NET引理器。