Búsqueda de palabras cortas con SOLR

Question

estoy usando SOLR junto con NGramTokenizerFactory para ayudar a crear fichas de búsqueda de subcadenas de palabras

NGramTokenizer está configurado con una longitud mínima palabra de 3

Esto significa que puedo buscar p.ej "unb" y luego coincide con la palabra "increíble".

Sin embargo, tengo un problema con las palabras cortas como "I" y "in". Estos no están indexados por SOLR (sospecho que es debido a NGramTokenizer) y, por lo tanto, no puedo buscarlos.

No quiero reducir la longitud de palabra mínima a 1 o 2, ya que esto crea un gran índice de búsqueda. Pero me gustaría que SOLR incluya palabras completas cuya longitud ya está por debajo de este mínimo.

¿Cómo puedo hacer eso?

/Carsten

Answer 1

En primer lugar, tratar de entender por qué sus palabras no la indexación por Solr utilizando la "Herramienta de análisis"

http://localhost:8080/solr/admin/analysis.jsp 

Sólo hay que poner el campo y el texto que está buscando para ver qué analizador está filtrando a corto plazo. Te sugiero que lo hagas porque dijiste que solo tienes un "sospechoso" y tienes que estar seguro de qué analizador filtra tus datos.

¿Entonces por qué no simplemente copia el término en otro campo sin ese analizador?

De esta manera, sus términos se indexarán dos veces, y aparecerán tanto como palabra exacta como n-grama. Luego debe lidiar con los puntajes de los dos campos diferentes.

Espero que esto te haya ayudado de alguna manera.

Algunos de enlace para la agregación y copyfield atributo:

Indexing data in multiple fields

Using copy field tag