Solr Ngram 匹配灾难

Question

这是我的（相当标准的）ngram 模式——

<fieldType name="ngram" class="solr.TextField" positionIncrementGap="100" stored="false" multiValued="true">
  <analyzer type="index">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.NGramFilterFactory" minGramSize="1" maxGramSize="15"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

现在laptop_ngram:"g74sx-a" 返回——

<arr name="laptop_ngram">
  <str>ASUS G74SX-A1 17.3-Inch Gaming Laptop</str>
</arr>

但是laptop_ngram:"g74sx-a1" 什么也没找到。

顺便说一句，转义“-”没有任何区别。

有什么想法吗？

Answer 1

StandardTokenizerFactory 可能会对这个术语做一些事情。您可以在分析页面中检查这一点。

因此更改为 WhitespaceTokenizerFactory 可以解决该问题。

Answer 2

感谢 O. Klein，他给我指明了新的方向。

我最终选择了 WhitespaceTokenizerFactory 加上 WordDelimiterFilterFactory ——

<fieldType name="ngram" class="solr.TextField" positionIncrementGap="100" stored="false" multiValued="true">
  <analyzer type="index">
    <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="1" preserveOriginal="1"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.NGramFilterFactory" minGramSize="1" maxGramSize="15"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

它适用于“g74sx”、“g74sx-”、“g74sx-a”和“g74sx-a1”

但是，旅程并没有结束，因为我仍在探索原因--

“G74SX-XA1”与“g74sx-x”和“g74sx-xa1”一起找到，但不是“g74sx-xa”...