我正在使用Lucene 4.2,想知道如何使用wordnet来扩展Lucene这个版本的输入查询。基本上,如果我的查询是
term_1 AND term_2 OR term_3
我想把它展开为
(term_1 OR term_1syn_1 OR term_1syn_2) AND (term_2 OR term_2syn_1) OR (term_3 OR term_3syn_1)
等等
我看了StackoverFlow上关于这类问题的其他答案,但没有一个有任何示例实现。
给定一个字符串形式的输入查询,我如何使用WordNetQueryParser和SynonymMap类展开它?
我已经下载了wordnet prolog文件,我知道_s.pl文件中有所有的同义词。
SynonymFilter允许您定义一个SynonymnMap到一个简单的自定义分析器。
你可以通过覆盖Analyzer来创建一个自定义的Analyzer。当分别写入和搜索时,将自定义版本传递给IndexWriter和QueryParser。
需要考虑的一件事是,您的情况涉及到爆炸所有可能的同义词,这将意味着在Builder.add中传递includeorigin为true。这两种方法都有好处,我来看看哪一种最能满足你的需求。
Lucene的Analyzer
被设计成可以很容易地扩展,以便为您的特定情况轻松定义格式。上面链接的Analyzer
API文档提供了一个为您的自定义分析器重写createComponents方法的示例。
类似:
protected TokenStreamComponents createComponents(String fieldName, Reader reader) {
Tokenizer source = new ClassicTokenizer(Version.LUCENE_40, reader);
TokenStream filter = new StandardFilter(Version.LUCENE_40, source);
filter = new LowerCaseFilter(Version.LUCENE_40,filter);
filter = new SynonymFilter(filter, mySynonymMap, false);
//Whatever other filter you want to add to the chain, being mindful of order.
return new TokenStreamComponents(source, filter);
}
您需要从示例中定义mySynonymMap,它是一个SynonymnMap
。SynonymMap
通常应该通过上面链接的add(CharsRef, CharsRef, boolean)
方法由SynonymMap.Builder
构建。
SynonymMap.Builder builder = new SynonymMap.Builder(true);
builder.add(new CharsRef("crimson"), new CharsRef("red"), true);
//Be sure the boolean last arg you pass there is the one you want. There are significant tradeoffs here.
//Add as many terms as you like here...
SynonymMap mySynonymMap = builder.build();
还有一个WordNetSynonymParser
,如果你喜欢的话,它看起来就像一个SynonymMap。