Elasticsearch學習筆記6: 同義詞搜索實現

es的同義詞搜索功能經過自定義分析器實現

咱們知道 一個 分析器 就是在一個包裏面組合了三種函數的一個包裝器， 三種函數按照順序被執行:

1. char_filter 如：emoticons， html_strip等
2. tokenizer 如：standard， ik_smart等
3. filter 如：lowercase，english_stop等

char_filter 用於分詞前對原搜索的句子進行處理 tokenizer 用於將搜索的句子分紅多個詞組 filter 用於處理tokenizer輸出的詞組，好比刪除某些詞，修改某些詞，增長某些詞

實現同義詞搜索的原理是，自定義filter，處理tokenizer輸出的待搜索詞組時，取出其中詞的同義詞，加入到待搜索的詞組中。

建立分析器：

PUT /synonym
{
	"settings": {
		"analysis": {
			"filter": {
	            "word_sync": {
	                "type": "synonym",
	                "synonyms_path": "analysis/synonyms.txt"
	            }
	        },
	        "analyzer": {
	            "ik_sync_smart": {
	                "filter": [
	                    "word_sync"
	                ],
	                "type": "custom",
	                "tokenizer": "ik_smart"
	            }
	        }
		}	
	}
}

上面的例子在名爲synonym的index下面建立了個名爲ik_sync_smart的分析器，改分析器的tokenizer爲ik_smart, filter爲word_sync. word_sync是自定義filter，這個filter的type是synonym，synonyms_path是指定的同義詞詞典的路徑，這個路徑在config下面，因此咱們須要在config路徑下面增長analysis目錄，裏面增長synonyms.txt文件

synonyms.txt文件的格式爲每行爲一組同義詞，每組的同義詞格式由以下兩種：

1. 番茄,西紅柿
2. 番茄,西紅柿 => 西紅柿

第一種狀況下，不管索引番茄或者西紅柿，分析器分析結果的詞組爲［'番茄', '西紅柿'］

第二種狀況下，不管索引番茄或者西紅柿，分析器分析結果的詞組爲［'西紅柿'］

能夠經過

GET /synonym/_analyze?analyzer=ik_sync_smart&text=註冊

查看同義詞結果是否符合需求

而後設置索引數據的mapping時，指定對應搜索字段的analyzer爲自定義的ik_sync_smart便可。