擴展Endeca的變音符疊加映射

Question

我們有一個ATG-Endeca應用程序混合希臘語，英語數據的索引。索引的希臘語數據包含帶有重音的單詞。如果搜索條件沒有重音符，則它們與任何數據都不匹配（或者由於對字符沒有重音的角色發生自動重編碼而不匹配），這不是所期望的功能。 Dgidx標誌 - 星形摺疊配置不包括希臘字符映射（https://docs.oracle.com/cd/E29584_01/webhelp/mdex_basicDev/src/rbdv_chars_mapping.html）。

是否有可能擴展此oob功能思想屬性文件在Endeca方或nucleous或代碼？

Answer 1

在你提供給它的文檔指出：

Dgidx支持映射Latin1的，拉丁語擴展A，和Windows CP1252索引中國際字符其簡單的ASCII碼值。

這表明希臘語不支持，因爲它不屬於任何這些字符集（我相信希臘語是拉丁語-7）。也就是說，假設每種語言都有自己的記錄或嘗試使用參數dgidx和dgraph來實現全球語言，但您可以嘗試在記錄級別設置語言標誌（因爲您指出數據包含英語和希臘語）將影響諸如記錄或屬性不是全球語言的詞幹。

dgidx --lang el 
dgraph --lang el 

雖然我不確定它會根據原始聲明工作。

或者，您也可以實現使用自定義Accessor，它擴展了atg.repository.search.indexing.PropertyAccessorImpl類區分符號去除的過程（因爲你是指Nucleus的選擇，所以我假設你正在使用ATG /甲骨文商務部）。使用這個，你可以在索引中指定一個規範化的可搜索字段，它複製當前索引中的可搜索字段，但現在刪除了所有的變音符號。您在Accessor中應用的相同邏輯則需要作爲搜索條件中的預處理器應用，以便您對輸入進行規範化以匹配索引值。最後讓索引中的原始字段（帶有強調字符）僅顯示，並且標準化字段可搜索（但不顯示它們）。

結果將與您的標準化文本匹配，但缺點是您的數據已經重複，因此您的索引將更大。小數據集不是一個大問題。 OOTB功能（如詞幹）如何與標準化數據集一起運行也可能會產生影響。你必須用希臘語和英語進行一些測試，看看精確度和召回率是否受到不利影響。