我正在开发一个支持索引编制的应用程序。使用＆＃34; solr＆＃34;搜索包括希伯来语在内的多语言文本。发动机。
经过大量搜索，我发现HebMorph是用于希伯来语的最佳插件
我的问题是HebMorph与希伯来语停用词的行为似乎与solr不同：
Whith solr（任何语言）：当我搜索一个停用词时，返回的结果并不包括查询中存在的任何停用词。
当我搜索希伯来语术语时（在this link之后在solr中插入HebMorh之后），返回的结果包括查询中所有现有的停用词。
1）这是HebMorph的正常行为吗？如果是，我该如何改变它？如果不是，我应该改变什么？
2）由于HebMorph不支持同义词，（正如我在他们的文档中读到的那样，这是未来的工作）。是否有办法使用希伯来语的同义词作为solr支持的其他语言？ （即通过在solrconfig中添加适当的过滤器并指出同义词文件）？
提前感谢您的帮助。
答案 0 :(得分：2)
我是HebMorph的作者。
确实支持StopWords，但是你需要在lematizer开始之前将它们过滤掉。假设最新版本的HebMorph - 你的停用词过滤器需要在令牌器之后立即进入，这意味着它还需要注意בחל “stop字母附在停止词上。
对于所有语言，现在的一般建议是不要删除停用词 - 至少不要删除索引，所以我建议不要在这里应用停用词过滤器。
关于同义词 - 根本问题在于HebMorph lemmatizer有时会将单词扩展为多个lemmas，这使得应用同义词的工作更具挑战性。使用（相对）新的基于图形的分析器，现在可以这样做，我们也可能实现这一点，并且将支持Lucene的同义词过滤器OOTB。
在商业版本中，已经有一种方法可以自定义单词列表并覆盖字典定义，这在希伯来语等模糊语言中很有用。许多人将此作为创建同义词的方式。