匹配具有相同发音的单词elasticsearch

我想匹配拼写不同但发音相同的单词。如“雄”与“雄”，“平面”与“平”。我们可以在elasticsearch中进行这样的匹配吗？

您可以使用语音分析插件 https://github.com/elastic/elasticsearch-analysis-phonetic为了那个任务。

让我们使用该插件的自定义分析器创建一个索引：

curl -XPUT localhost:9200/phonetic -d '{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "standard",
          "filter": [
            "standard",
            "lowercase",
            "my_metaphone"
          ]
        }
      },
      "filter": {
        "my_metaphone": {
          "type": "phonetic",
          "encoder": "metaphone",
          "replace": true
        }
      }
    }
  }
}'

现在让我们使用新的分析器来分析您的示例。正如你所看到的，两者plain and plane将产生单个令牌PLN:

curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'plane'
curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'plain'

{
  "tokens" : [ {
    "token" : "PLN",
    "start_offset" : 0,
    "end_offset" : 5,
    "type" : "<ALPHANUM>",
    "position" : 1
  } ]
}

同样的事情mail and male产生单个令牌ML:

curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'mail'
curl -XGET 'localhost:9200/phonetic/_analyze?analyzer=my_analyzer&pretty' -d 'male'

{
  "tokens" : [ {
    "token" : "ML",
    "start_offset" : 0,
    "end_offset" : 4,
    "type" : "<ALPHANUM>",
    "position" : 1
  } ]
}

我用过metaphone编码器，但您可以自由使用任何其他支持的编码器。您可以找到有关所有支持的编码器的更多信息：

• in the Apache 编解码器文档 https://commons.apache.org/proper/commons-codec/apidocs/org/apache/commons/codec/language/package-summary.html for metaphone, double_metaphone, soundex, caverphone, caverphone1, caverphone2, refined_soundex, cologne, beider_morse
• in the 附加编码器 https://github.com/elastic/elasticsearch-analysis-phonetic/tree/master/src/main/java/org/elasticsearch/index/analysis/phonetic for koelnerphonetik, haasephonetik and nysiis