分析

问题和处理

问题：某一条数据包含2个字段，比如就是title和alias这2个字段。其中title通常比较短，就是一个词。alias会比较长。搜索abc的时候，即使出现的词很明显是包含在alias中的词abc，但是排名仍然比title的部分包含ab的分数低。

之前的情况是各个字段都有权重，第一个想法就是降低权重，然后搜索试试，发现情况虽然好一些，但是效果还是不好。

考虑到alias中包含的词其实是非常多的，title是比较短的，那么从匹配度来说，title因为短，所以其匹配度高。alias的长度长，所以其匹配度低。那么适当增加alias的权重，发现效果好了很多。

特殊情况

在利用ik分词器的时候，对于维生素A分词总是会被忽略A。此时可以在ik的目录下的stopword.dic中去掉a，然后重启es即可。

在ik分词器的目录中有几个特殊的文件：

• supername.dic 里面包含的是复姓
• stopword.dic里面包含的就是停顿词。比如维生素A，因为A包含在其中，所以分词后没有A
• main.dic和extra_main.dic都是官方定义的关键词
• *.dic都是官方定义的词组

如果你测试发现分词效果都不好，那么修改配置文件IKAnalyzer.cfg.xml，加入自己的分词。

分词测试命令

GET /_analyze
{
  "text": "新民主主义",
  "analyzer": "ik_smart"
}

# 如果是某个已经建立的索引
GET /mine-indxe/_analyze
{
  "text": "维生素A",
  "analyzer": "ik_smart"
}

GET /mine-indxe/_analyze
{
  "text": "维生素A",
  "analyzer": "my_analyzer"
}

结语

• 优化的时候先把权重去掉，方便处理问题
• 英文和中文最好分开存储，方便检索