elasticsearch - 用于 Elasticsearch 的自定义语言提取器

Question

有什么方法可以创建新的词干分析器？例如，捷克语词干分析器已经内置了捷克语分析器。这个算法是由荷兰的一些人制作的。没那么糟糕，但对于母语人士来说，很明显那些可敬的人不会说这种语言。如果我想创建自己的词干提取算法，我该如何在 Elasticsearch 中实现？

谢谢。

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(或词形还原器，更准确地说)实现 Lucene 分析器接口(interface)的方式:

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

另请参阅这两个类:
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，这是针对 Lucene 的旧版本 3.2/3.3。对于新版本，相同的实现可能会更简单。
https://code.google.com/p/hunglish-webapp/source/browse/trunk/pom.xml