¿Cómo configurar derivaciones en Solr?

Question

Agrego al índice de solr: "americano". Cuando busco por "América" ​​no hay resultados.

¿Cómo se debería configurar schema.xml para obtener resultados?

configuración actual:

<fieldType name="text" 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.StopFilterFactory" ignoreCase="true" words="stopwords.txt" /> 
       <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" /> 
       <filter class="solr.LowerCaseFilterFactory" /> 
       <filter class="solr.EnglishPorterFilterFactory" protected="protwords.txt" /> 
       <filter class="solr.RemoveDuplicatesTokenFilterFactory" /> 
       <filter class="solr.PorterStemFilterFactory"/> 
      </analyzer> 
      <analyzer type="query"> 
       <tokenizer class="solr.WhitespaceTokenizerFactory" /> 
       <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true" /> 
       <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" /> 
       <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" /> 
       <filter class="solr.LowerCaseFilterFactory" /> 
       <filter class="solr.EnglishPorterFilterFactory" protected="protwords.txt" /> 
       <filter class="solr.RemoveDuplicatesTokenFilterFactory" /> 
       <filter class="solr.PorterStemFilterFactory"/> 
      </analyzer> 
     </fieldType> 

Answer 1

¿Por qué tiene dos lematizadores?
Intente eliminar EnglishPorterFilterFactory (obsoleto) de sus dos tipos de analizador, reconstruya el índice y luego intente si la búsqueda de estadounidense dará América.

Si eso no funciona, la otra cosa que puede intentar es eliminar sus dos filtros de lemas y agregar SnowballPorterFilterFactory con language="English" en su lugar.

Answer 2

Tiene que usar una lematizadora para analyzer y EnglishPorterFilterFactory está en desuso como @Marko ya se ha mencionado. Por lo tanto, debe eliminar este de los analizadores.

que utilizan SnowballPorterFilterFactory para ambos analizadores de índice y consulta -

<fieldType name="text_stem"> 
    <analyzer> 
     <tokenizer class="solr.WhitespaceTokenizerFactory"/> 
     <filter class="solr.SnowballPorterFilterFactory"/> 
     <!-- other filters --> 
    </analyzer> 
</fieldType> 

La definición FieldType es bastante explica por sí mismo, pero por si acaso:

• Tokenizer solr.WhitespaceTokenizerFactory: Esta operación dividirá las oraciones en palabras, utilizando espacios en blanco como delimitadores.

• Filtro sol.SnowballPorterFilterFactory: Este filtro aplicará un algoritmo de tallado a cada palabra (token). En el ejemplo anterior, he elegido el algoritmo de derivación Snowball Porter. Solr proporciona algunas implementaciones de algoritmos de derivación populares.

Puede buscar otros algoritmos de tallo, p. HunspellStemFilterFactory, KStemFilterFactory también.