solr配置同义词，停止词，和扩展词库（IK分词器为例）

定义

同义词：搜索结果里出现的同义词。如我们输入”还行”，得到的结果包括同义词”还可以”。

停止词：在搜索时不用出现在结果里的词。比如is 、a 、are 、”的”，“得”，“我” 等，这些词会在句子中多次出现却无意义，所以在分词的时候需要把这些词过滤掉。

扩展词：在搜索结果里额外出现的词。扩展词只能是你输入词的本身或子串。比如我们 输入”重庆开县人”，正常分词得到的结果是“重庆” “开县”“人”；当我们在扩展词里加入“重庆开县”时，分词的结果是“重庆开县”“重庆” “开县”“人”。

配置同义词

1.在solr_home的conf目录下的schema.xml 中配置同义词text_syn：

<!-- 配置IK分词器的同义词 -->
 <fieldType name="text_syn" class="solr.TextField">
    <analyzer type="query">
        <tokenizer class="solr.WhitespaceTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
    <analyzer type="index">
        <tokenizer class="solr.WhitespaceTokenizerFactory"/>
        <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="false" />
        <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
</fieldType>

2.假定在solr_home的conf目录下的schema.xml 中要对shortName字段进行同义词配置，则我们需要将type属性设为上向配置的”text_syn”

<field name="shortName" type="text_syn" indexed="true" stored="true" />

• 1

3.在conf目录下的 synonyms.txt 中增加同义词，如：

这里我多说两句：上面红框里的 => 右侧的词是左侧词的同义词，多个时用空格隔开。还有就是，最好不要直接打开synonyms.txt这个文件，因为加入的汉字在保存后会查不出来，因为txt不是UTF-8的格式保存的。

4.测试同义词

输入高兴：

• 1

输入中华：

• 1

5.基于上面的问题，说下怎么解决，毕竟不论我们输入中华还是中国，都能有对应的同义词结果。

首先，我们将synonyms.txt里的同义词用英文逗号隔开，然后将上面配置IK同义词里的expand属性设为true。

我们输入：大大的，结果如下：

配置停止词和扩展词库。

1.将IKAnalyzer解压文件夹下的stopword.dic和IKAnalyzer.cfg.xml复制到tomcat/webapps/solr/WEB-INF/classes下，再新建一个ext.dic,里面的格式和stopword.dic一致。

2.修改IKAnalyzer.cfg.xml如下面的格式可以配置多个停止词或者扩展词库文件。

<properties>
    <comment>IK Analyzer 扩展配置</comment>
    <!--用户可以在这里配置自己的扩展字典-->
    <entry key="ext_dict">ext.dic;</entry>

    <!--用户可以在这里配置自己的扩展停止词字典-->
    <entry key="ext_stopwords">english_stopword.dic;stopword.dic</entry>
<properties> 

输入“重庆开县”时，正常分词是只有”重庆” “开县”的
在ext.dic里添加了”重庆开县”后，测试结果：

输入“重庆开县”时，正常分词是只有”重庆” “开县”的
在stopword.dic里添加了“开县”之后，测试结果：

注意

字段如果要能被分词，或是停止词，或是扩展词，需要在schema.xml里配置该字段时，给该字段的type属性配成分词类型，我们这里是text_ik，例：

<field name="companyName" type="text_ik" indexed="false" stored="true" multiValued="false" />

有 0 个人打赏