主页 / 问题 / 621577
Accepted
bme
Asked:2020-01-31 16:48:07 +0000 UTC2020-01-31 16:48:07 +0000 UTC

考虑俄语和英语声音的文本搜索

  • 772

组织索引和搜索作为英语转录记录的俄语单词的最佳方法是什么？例如，vision俄语版本中的一个词会写成вижн或вижен，但本质上的意思并没有改变。因此，搜索必须在输出结果丢失vision且不вижн丢失的情况下执行。据我所知，Soundex 和 Metaphone 严格使用同一种语言，没有交叉。

elasticsearch

1 个回答

  1. Best Answer

    在我看来，在大多数情况下，同义词的功能就足够了。该数据库很可能具有特定的主题重点，例如医学或电气工程。为了建立考虑到不同语言单词音译/发音的搜索，填写 500-1000 个同义词就足够了。但是使用带有同义词类型过滤器的分析器不是为了索引，而是为了分析搜索查询。

    最好将同义词放在一个单独的文件中，而不是将它们存储在设置中。

    {
    "index" : {
        "analysis" : {
            "analyzer" : {
                "synonym" : {
                    "tokenizer" : "whitespace",
                "filter" : ["synonym"]
            }
        },
        "filter" : {
                "synonym" : {
                    "type" : "synonym",
                "synonyms_path" : "analysis/synonym.txt"
            }
        }
    }
}

    synonym.txt 文件的内容示例：

    愿景，愿景，愿景

    如果这还不够，那么我们就会遇到一个非常困难的问题。

    如果问题仅限于音译，那么看看ICU Transform Token Filter插件 。如果不是，并且你需要所有可能的单词的视觉，视觉，视觉，然后看看机器学习。这个解决方案是Rosette for Elasticsearch，显然是付费的。

    有用的链接。

    Soundex 和 Metaphone 是语音算法，正如您所写的那样，它们以相同的语言工作。这不是你需要的。

    • 1

相关问题