Elasticsearch no devuelve coincidencias de singular/plural

Question

Estoy usando una biblioteca php de elasticsearch para indexar y encontrar documentos en mi sitio web. Este es el código para crear el índice:

curl -XPUT 'http://localhost:9200/test/' -d ' 
{ 
    "index": { 
    "numberOfShards": 1, 
    "numberOfReplicas": 1 
    } 
}' 

Luego uso XPUT rizo para agregar documentos al índice y XGET para consultar el índice. Esto funciona bien, excepto por el hecho de que los singulares y los plurales de las palabras de consulta no coinciden en el índice al devolver los resultados. Por ejemplo, cuando busco "discusiones", las coincidencias para "discusión" no se devuelven y viceversa. ¿Por qué esto es tan? Pensé que esto se soluciona de forma predeterminada en elasticsearch. ¿Hay algo que tengamos que mencionar explícitamente para que coincida con las formas singular/plural?

Answer 1

De alguna manera bola de nieve que no está funcionando para mí ... estoy recibiendo errores como he mencionado en el comentario a @ imotov de respuesta . Utilicé el vástago porter y funcionó perfectamente para mí. Esta es la configuración que utilicé:

curl -XPUT localhost:9200/index_name -d ' 
{ 
"settings" : { 
    "analysis" : { 
     "analyzer" : { 
      "stem" : { 
       "tokenizer" : "standard", 
       "filter" : ["standard", "lowercase", "stop", "porter_stem"] 
      } 
     } 
    } 
}, 
"mappings" : { 
    "index_type_1" : { 
     "dynamic" : true, 
     "properties" : { 
      "field1" : { 
       "type" : "string", 
       "analyzer" : "stem" 
      }, 
      "field2" : { 
       "type" : "string", 
       "analyzer" : "stem" 
      } 
     } 
     } 
    } 
}' 

Answer 2

El analizador elascticsearch predeterminado no realiza la derivación y esto es lo que necesita para manejar plural/singular. Puedes probar a utilizar Snowball Analyzer para los campos de texto para ver si funciona mejor para su caso de uso:

curl -XPUT 'http://localhost:9200/test' -d '{ 
    "settings" : { 
     "index" : { 
      "number_of_shards" : 1, 
      "number_of_replicas" : 1 
     } 
    }, 
    "mappings" : { 
     "page" : { 
      "properties" : { 
       "mytextfield": { "type": "string", "analyzer": "snowball", "store": "yes"} 
      } 
     } 
    } 
}' 

Answer 3

Desde filtro 'porterStem' es demasiado sensible, es más adecuado si se utiliza el filtro '' minimal_english. 'porterStem' crea tokens similares para palabras tales como:

buscando 'Prueba' resultará en 'Prueba', 'Pruebas', 'Prueba', 'Comprobador' et. Alabama.

Pero 'minimal_english' solo arrojará 'Test' y 'Tests'.