使用 Elasticsearch ik分词实现同义词搜索（转）

1、首先需要安装好Elasticsearch 和elasticsearch-analysis-ik分词器

2、配置ik同义词

Elasticsearch 自带一个名为 synonym 的同义词 filter。为了能让 IK 和 synonym 同时工作，我们需要定义新的 analyzer，用 IK 做 tokenizer，synonym 做 filter。听上去很复杂，实际上要做的只是加一段配置。

打开 /config/elasticsearch.yml 文件，加入以下配置：

1. index:
2. analysis:
3. analyzer:
4. ik_syno:
5. type: custom
6. tokenizer: ik_max_word
7. filter: [my_synonym_filter]
8. ik_syno_smart:
9. type: custom
10. tokenizer: ik_smart
11. filter: [my_synonym_filter]
12. filter:
13. my_synonym_filter:
14. type: synonym
15. synonyms_path: analysis/synonym.txt

以上配置定义了 ik_syno 和 ik_syno_smart 这两个新的 analyzer，分别对应 IK 的 ik_max_word 和 ik_smart 两种分词策略。根据 IK 的文档，二者区别如下：

• ik_max_word：会将文本做最细粒度的拆分，例如「中华人民共和国国歌」会被拆分为「中华人民共和国、中华人民、中华、华人、人民共和国、人民、人、民、共和国、共和、和、国国、国歌」，会穷尽各种可能的组合；
• ik_smart：会将文本做最粗粒度的拆分，例如「中华人民共和国国歌」会被拆分为「中华人民共和国、国歌」；

ik_syno 和 ik_syno_smart 都会使用 synonym filter 实现同义词转换。

3、创建/config/analysis/synonym.txt 文件，输入一些同义词并存为 utf-8 格式。例如

到此同义词配置已经完成，重启ES即可，搜索时指定分词为ik_syno或ik_syno_smart。

创建Mapping映射。执行curl命令如下

1. curl -XPOST  http://192.168.1.99:9200/goodsindex/goods/_mapping -d'{
2. "goods": {
3. "_all": {
4. "enabled": true,
5. "analyzer": "ik_max_word",
6. "search_analyzer": "ik_max_word",
7. "term_vector": "no",
8. "store": "false"
9. },
10. "properties": {
11. "title": {
12. "type": "string",
13. "term_vector": "with_positions_offsets",
14. "analyzer": "ik_syno",
15. "search_analyzer": "ik_syno"
16. },
17. "content": {
18. "type": "string",
19. "term_vector": "with_positions_offsets",
20. "analyzer": "ik_syno",
21. "search_analyzer": "ik_syno"
22. },
23. "tags": {
24. "type": "string",
25. "term_vector": "no",
26. "analyzer": "ik_syno",
27. "search_analyzer": "ik_syno"
28. },
29. "slug": {
30. "type": "string",
31. "term_vector": "no"
32. },
33. "update_date": {
34. "type": "date",
35. "term_vector": "no",
36. "index": "no"
37. }
38. }
39. }
40. }'

以上代码为 test 索引下的 article 类型指定了字段特征： title 、 content 和 tags 字段使用 ik_syno 做为 analyzer，说明它使用 ik_max_word 做为分词，并且应用 synonym 同义词策略； slug 字段没有指定 analyzer，说明它使用默认分词；而 update_date 字段则不会被索引。