solr整合mmseg4j实现同义词检索

本文介绍如何在Solr中扩展中文同义词功能,包括配置MMSeg4j分词器及SynonymFilterFactory过滤器,并通过synonyms.txt文件实现中文同义词搜索,如将“北京”扩展为“京城”、“帝都”。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、基于中文分词的基础上加入同义词特性
2、需要mmseg4j支持
3、如搜索“北京”同义词有“京城”、“帝都”等

solr官方已经提供同义词特性,但不支持中文同义词,需要在中文分词的基础上进行配置。

在原中文分词的基础上加入:

<filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/> 

文件(synonyms.txt)和schema.xml在同级目录,solr默认有这个文件。

示例如下,文件:schema.xml

<!--  MMsegAnalyzed  -->
  <fieldType name="textComplex" class="solr.TextField"> 
    <analyzer> 
      <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="dic"/>  
      <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/> 
    </analyzer> 
  </fieldType>  
  <fieldType name="textMaxWord" class="solr.TextField"> 
    <analyzer> 
      <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" dicPath="dic"/>  
      <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/> 
    </analyzer> 
  </fieldType>  
  <fieldType name="textSimple" class="solr.TextField"> 
    <analyzer> 
      <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" dicPath="dic"/>  
      <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/> 
    </analyzer> 
  </fieldType>

文件:synonyms.txt

北京=>帝都 京城 天安门 京北

注:
1.北京 帝都 京城 天安门 京北
如上这些关键字必须在中文词库中存在,否则同义词配置无效。
2.如上“北京”的同义词“京城”、“帝都”不能在同义词文件中重复定义,否则会出现覆盖情况。
也就说不能再配置(帝都=>北京)这样的同义词,否则覆盖

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值