Elasticsearch的自定义语言词干

Question

有没有办法如何创建新的词干分析器？例如，捷克语语言词干器已经内置了捷克语语言分析器。这个算法是由荷兰的一些人制作的。它并没有那么糟糕，但对于以英语为母语的人来说，很明显那些尊贵的人不会说这种语言。如果我想创建自己的词干分析算法，我怎么能在Elasticsearch中做到这一点？

感谢。

Answer 1

Elasticsearch基于Lucene，所以这个答案是关于如何向Lucene添加自定义词干分析器。

这就是我基于自定义词干分析器（或更加精确的词形变换器）实现Lucene的Analyzer接口的方法：

https://code.google.com/p/hunglish-webapp/source/browse/trunk/src/main/java/hu/mokk/hunglish/lucene/analysis/StemmerAnalyzer.java

另见这两个类： https://code.google.com/p/hunglish-webapp/source/browse/trunk/src/main/java/hu/mokk/hunglish/lucene/analysis/CompoundStemmerTokenFilter.java

https://code.google.com/p/hunglish-webapp/source/browse/trunk/src/main/java/hu/mokk/hunglish/jmorph/LemmatizerWrapper.java

请注意，这适用于较旧版本的Lucene，3.2 / 3.3。对于新版本，相同的实现可能更简单。 https://code.google.com/p/hunglish-webapp/source/browse/trunk/pom.xml