lucene.net - 没有 SnowBall Analyzer 或自定义分析器的 Lucene.NET 中的英语词干提取或词形还原
问题描述
有没有过时的 Lucene.NET 分析器可以进行英语词干提取或词形还原,或者我需要编写自定义分析器吗?
我似乎找不到包含PorterStemFilter
或包含EnglishMinimalStemFilter
在源代码中的分析器。我可以编写自己的分析器,但感觉不应该这样做,而且我会重新发明错误的轮子。
我正在尝试在 Lucene.NET 中对英语单词进行词干提取。据我所知,这不是开箱即用的。我尝试像这样使用EnglishAnalizer:
[TestFixture]
public class TestAnalyzers
{
private const string FieldName = "CustomFieldName";
public Directory CreateDirectory(IEnumerable<string> documents, Analyzer analyzer)
{
var directory = new RAMDirectory();
var iwc = new IndexWriterConfig(LuceneVersion.LUCENE_48, analyzer)
{
OpenMode = OpenMode.CREATE_OR_APPEND,
};
var writer = new IndexWriter(directory, iwc);
writer.Commit();
foreach(var doc in documents) {
var document = new Document();
document.AddTextField(FieldName, doc, StoredField.Store.YES);
writer.AddDocument(document);
}
writer.Flush(true, true);
writer.Commit();
return directory;
}
private QueryParser CreateQueryParser(Analyzer analyzer)
=> new MultiFieldQueryParser(
LuceneVersion.LUCENE_48,
GetSearchFields(),
analyzer);
private string[] GetSearchFields() => new [] { FieldName };
[TestCase("for", "for")]
[TestCase("for", "forward")]
[TestCase("forward", "for")]
//[TestCase("retire", "retirement")]
[TestCase("retirement", "retire")]
[Test]
public void TestPartialWordsStandard(string fieldValue, string query)
{
var analyzer = new EnglishAnalyzer(LuceneVersion.LUCENE_48);
var directory = CreateDirectory(new [] { fieldValue }, analyzer);
var indexReader = DirectoryReader.Open(directory);
Assert.AreEqual(1, indexReader.NumDocs);
var doc = indexReader.Document(0);
Assert.NotNull(doc);
Assert.AreEqual(fieldValue, doc.GetField(FieldName).GetStringValue());
var searcher = new IndexSearcher(indexReader);
var queryObj = CreateQueryParser(analyzer).Parse(query);
var results = searcher.Search(queryObj, 2);
Assert.AreEqual(1, results.TotalHits);
doc = indexReader.Document(results.ScoreDocs.First().Doc);
Assert.AreEqual(fieldValue, doc.GetField(FieldName).GetStringValue());
}
}
它没有阻止。通过阅读代码,它使用所有格过滤器来删除 's 和 s , but not the english stemming filter or the
PorterStemFilter`。
我能够通过var analyzer = new SnowballAnalyzer(LuceneVersion.LUCENE_48, "English");.
它足够的词干来进行一些词干提取,但是该类已经过时了。
解决方案
Lucene.NetEnglishAnalyzer
确实包括搬运工词干。在该类的源代码的第 117行是这一行:
result = new PorterStemFilter(result);
我还在我的系统中运行了一个测试,EnglishAnalyzer
并确认它实际上是词干。因此,例如,我的索引文本包含单词“walking”,当我搜索“walked”时,我在记录中得到了点击。
推荐阅读
- javascript - 对象字面量中的自引用
- sql - 将字符串拆分为多列,不带分隔符 bigquery
- javascript - 如何连接后端开发服务器和前端开发服务器
- xpath - 从 Ranorex Selocity Chrome 扩展粘贴复制的 Xpath 不起作用
- python - 在张量收缩中利用对称性
- reactjs - Next.js 构建错误:导出在以下路径上遇到错误
- broken-pipe - 如何修复“google.api_core.exceptions.ServiceUnavailable:503 Broken pipe”错误
- sass - 如何通过使用 sass 悬停其他元素来更改其他 div 的样式
- android - Klaxon 没有读取 JSON 中的 JSONObject
- cromwell - 如何告诉 cromwell 和 womtool 使用哪个 WDL 版本?