J'essaie d'améliorer le comportement du vérificateur d'orthographe sur mon projet.Solr: Utilisation de spellchecker avec un schéma de solr avancé
Je ne corrige l'orthographe que sur un seul champ ("title"). Conférences connexes au fond.
Raison si cette configs - supporte les objets avec des caractères spéciaux.
par exemple. :
- Guerres en colère: T70, le meilleur aquarium mondial!
- chipset moderne M74K34 # 11 $$ 1 - A: B: C - 100500bestprices !!! très cool-objet | title
pour couvrir la plupart des cas, j'utiliser le filtre configuré "solr.WordDelimiterFilterFactory".
Problème: dans les résultats du vérificateur d'orthographe: lorsque j'essaie de rechercher des "oiseaux angr", je reçois des "oiseaux en colère" au lieu de "oiseaux en colère". Possible, il suffira juste de couper les mots-clés par des caractères spéciaux (je veux dire de diviser "Guerres en colère: T70," => "fâché", "guerres", "T70", "T", "70"). Mais comment je peux couper les mots-clés par des caractères spéciaux? Ou quelqu'un a de meilleures idées?
<field name="title" type="text_en" indexed="true" stored="true" required="true" multiValued="false"/>
où "text_en" est:
<fieldType name="text_en" class="solr.TextField" positionIncrementGap="100">
<analyzer type="index">
<tokenizer class="solr.WhitespaceTokenizerFactory"/>
<filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
<filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="0" catenateWords="1" catenateNumbers="0" catenateAll="0" splitOnCaseChange="0" splitOnNumerics="0" preserveOriginal="1"/>
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.EnglishPossessiveFilterFactory"/>
<filter class="solr.KStemFilterFactory"/>
</analyzer>
<analyzer type="query">
<tokenizer class="solr.WhitespaceTokenizerFactory"/>
<filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="0" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="0" splitOnNumerics="0" preserveOriginal="1"/>
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.EnglishPossessiveFilterFactory"/>
<filter class="solr.KStemFilterFactory"/>
</analyzer>
</fieldType>
En SolrConfig J'utilise
<requestHandler name="/select" class="solr.SearchHandler">
<lst name="defaults">
<str name="echoParams">explicit</str>
<int name="rows">10</int>
<str name="spellcheck.count">3</str>
<str name="spellcheck.dictionary">default</str>
<str name="spellcheck.dictionary">wordbreak</str> <!-- index -->
<str name="spellcheck.maxCollationTries">10</str>
<str name="spellcheck.maxCollations">5</str>
</lst>
<arr name="last-components">
<str>spellcheck</str>
</arr>
</requestHandler>
<searchComponent name="spellcheck" class="solr.SpellCheckComponent">
<str name="queryAnalyzerFieldType">textSpell</str>
<lst name="spellchecker">
<str name="name">default</str>
<str name="field">title</str>
<!-- <str name="field">default_search_field</str> -->
<str name="classname">solr.DirectSolrSpellChecker</str>
<!-- the spellcheck distance measure used, the default is the internal levenshtein -->
<!-- <str name="distanceMeasure">internal</str> -->
<str name="distanceMeasure">org.apache.lucene.search.spell.JaroWinklerDistance</str>
<!-- minimum accuracy needed to be considered a valid spellcheck suggestion -->
<float name="accuracy">0.7</float>
<!-- the maximum #edits we consider when enumerating terms: can be 1 or 2 -->
<int name="maxEdits">2</int>
<!-- the minimum shared prefix when enumerating terms -->
<int name="minPrefix">1</int>
<!-- maximum number of inspections per result. -->
<int name="maxInspections">5</int>
<!-- minimum length of a query term to be considered for correction -->
<int name="minQueryLength">4</int>
<!-- maximum threshold of documents a query term can appear to be considered for correction -->
<float name="maxQueryFrequency">0.01</float>
<!-- uncomment this to require suggestions to occur in 1% of the documents
<float name="thresholdTokenFrequency">.01</float>
-->
<str name="buildOnCommit">false</str>
<str name="buildOnOptimize">true</str>
<str name="combineWords">true</str>
<str name="breakWords">true</str>
<str name="comparatorClass">freq</str>
<str name="collate">true</str>
<str name="count">5</str>
</lst>
<lst name="spellchecker">
<str name="name">wordbreak</str>
<!-- <str name="classname">solr.DirectSolrSpellChecker</str> -->
<str name="classname">solr.WordBreakSolrSpellChecker</str>
<str name="field">title</str>
<str name="combineWords">true</str>
<str name="breakWords">true</str>
<int name="maxChanges">5</int>
</lst>
</searchComponent>
mais cette remove (split) tous les caractères ':', mais j'ai besoin de supprimer seulement les caractères de fin. c'est possible ? // ou peut-être avec regexp? – iMysak
Créez un champ différent pour l'orthographe. Indexez les termes propres pour l'orthographe dans ce champ et utilisez-le pour l'orthographe. Recherche avec le champ text_en. Et oui avec regex, vous pouvez également supprimer simplement les caractères de fin. –