语音标记过滤器
编辑phonetic 标记过滤器编辑
phonetic 标记过滤器接受以下设置
-
encoder - 要使用的语音编码器。接受
metaphone（默认）、double_metaphone、soundex、refined_soundex、caverphone1、caverphone2、cologne、nysiis、koelnerphonetik、haasephonetik、beider_morse、daitch_mokotoff。 -
replace - 是否应该用语音标记替换原始标记。接受
true（默认）和false。beider_morse编码不支持。
PUT phonetic_sample
{
"settings": {
"index": {
"analysis": {
"analyzer": {
"my_analyzer": {
"tokenizer": "standard",
"filter": [
"lowercase",
"my_metaphone"
]
}
},
"filter": {
"my_metaphone": {
"type": "phonetic",
"encoder": "metaphone",
"replace": false
}
}
}
}
}
}
GET phonetic_sample/_analyze
{
"analyzer": "my_analyzer",
"text": "Joe Bloggs"
}
需要注意的是，"replace": false 可能会导致意外行为，因为原始版本和语音分析版本都保留在相同的标记位置。某些查询以特殊方式处理这些堆叠的标记。例如，模糊 match 查询不会对堆叠的同义词标记应用模糊度。这可能会导致难以诊断和推理的问题。因此，通常最好对使用和不使用语音过滤的分析使用单独的字段。这样，就可以针对这两个字段运行搜索，并使用不同的提升和权衡（例如，仅对原始文本字段运行模糊 match 查询，而不对语音版本运行）。
双元音设置编辑
如果使用 double_metaphone 编码器，则支持此附加设置
-
max_code_len - 发出的元音标记的最大长度。默认为
4。
Beider Morse 设置编辑
如果使用 beider_morse 编码器，则支持以下附加设置
-
rule_type - 匹配应该是
exact还是approx（默认）。 -
name_type - 名称是
ashkenazi、sephardic还是generic（默认）。 -
languageset - 要检查的语言数组。如果未指定，则将猜测语言。接受：
any、common、cyrillic、english、french、german、hebrew、hungarian、polish、romanian、russian、spanish。