匹配具有相同發音的詞語elasticsearch

Question

我想匹配拼寫不同但具有相同發音的單詞。像「郵件」和「男性」，「飛機」和「平原」。我們可以在elasticsearch中做這樣的匹配嗎？

Answer 1

您可以使用拼音標記過濾器 以此目的。註音過濾器是一個插件，需要單獨安裝和設置。你可以利用這個blog詳細解釋如何設置和使用語音標記過濾器。

Answer 2

您可以使用analysis phonetic plugin來執行該任務。

讓我們創建一個索引使用自定義分析利用該插件：

curl -XPUT localhost:9200/phonetic -d '{ 
    "settings": { 
    "analysis": { 
     "analyzer": { 
     "my_analyzer": { 
      "tokenizer": "standard", 
      "filter": [ 
      "standard", 
      "lowercase", 
      "my_metaphone" 
      ] 
     } 
     }, 
     "filter": { 
     "my_metaphone": { 
      "type": "phonetic", 
      "encoder": "metaphone", 
      "replace": true 
     } 
     } 
    } 
    } 
}' 

現在，讓我們使用新的分析分析你的榜樣。正如你所看到的，plain和plane會產生單令牌PLN：

curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'plane' 
curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'plain' 

{ 
    "tokens" : [ { 
    "token" : "PLN", 
    "start_offset" : 0, 
    "end_offset" : 5, 
    "type" : "<ALPHANUM>", 
    "position" : 1 
    } ] 
} 

同樣的事情mail和male其產生單令牌ML：

curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'mail' 
curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'male' 

{ 
    "tokens" : [ { 
    "token" : "ML", 
    "start_offset" : 0, 
    "end_offset" : 4, 
    "type" : "<ALPHANUM>", 
    "position" : 1 
    } ] 
} 

我用metaphone編碼器，但您可以自由使用任何其他支持的編碼器。你可以找到所有支持的編碼器的更多信息：在Apache Codec documentation爲metaphone，double_metaphone，soundex，caverphone，caverphone1，caverphone2，refined_soundex，cologne，beider_morse

在

• 的additional encoders爲koelnerphonetik，haasephonetik和nysiis

Answer 3

不需要插件的解決方案是使用Synonym Token Filter。例如：

{ 
"filter" : { 
    "synonym" : { 
     "type" : "synonym", 
     "synonyms" : [ 
      "mail, male", 
      "plane, plain" 
     ] 
    } 
} 

}

你也可以把同義詞在一個文本文件，並說明，請參閱我掛一個例子的文檔。