Sphinx和词形变化

Question

我可以如何让Sphinx将"auto"和"car"识别为相似的单词？

假设我有三个数据库记录：

Andy likes to drive auto.
Mary don't like to drive car.
Bob is going to buy automobile.

这里是示例查询及其结果...

query: car
result: Mary don't like to drive car.
-------------------------------------
query: auto
result: Andy likes to drive auto.
-------------------------------------
query: automobile
Bob is going to buy automobile.

但我希望Sphinx返回...

query: car
result:
Andy likes to drive auto.
Mary don't like to drive car.
Bob is going to buy automobile.
-------------------------------------
query: auto
result:
Andy likes to drive auto.
Mary don't like to drive car.
Bob is going to buy automobile.
-------------------------------------
query: automobile
result:
Andy likes to drive auto.
Mary don't like to drive car.
Bob is going to buy automobile.

我知道Sphinx有停用词，但我应该把什么放进停用词词典中让Sphinx以这种方式思考呢？

谢谢。

- Kirzilla

---

小观察...我认为你的意思是在“car”查询下将“Mary don't like to drive car.”放在第一个结果。 - ServAce85

Answer 1

你只需要在你的.conf文件中提供正确格式的单词形式文本文件，就可以为Sphinx提供所需的内容。

相关文档可在此处找到：http://www.sphinxsearch.com/docs/manual-0.9.9.html#conf-wordforms。

auto > car
automobile > car
four-wheeled-vehicle-intended-for-public-roads > car
cars > car

- Ty W

---

是的，我已经查过单词形式的手册了。但我不明白应该怎么做才能让这些单词相等。我应该把汽车>自动车，汽车>汽车，自动车>汽车，自动车>汽车，汽车>汽车，汽车>自动车吗？还是有更简单的方法？谢谢。 - Kirzilla

在我示例代码中展示的那样，你想要使用 car 作为每个其他单词的表单，以便它们都等同于 sphinx。请记住，词形还没有进行词干处理，因此复数等需要明确指定。语法是[考虑这个词]> [作为这个词]。 - Ty W

我在http://sphinxsearch.com/forum/view.html?id=5134 上问了同样的问题，你同时回答了。 :) - Kirzilla

Answer 2

让我用“齿轮”和“杠杆”这两个词作为词形变化的例子，因为这两个词在金融领域中是相等的术语，应该被视为同义词（两个词的意思都是“财务杠杆”）。

最初你的“wordforms.txt”文件应该像这样列出它们：

gear > gear
geared > gear
gearing > gear
gears > gear
……
leverage > leverage
leveraged > leverage
leverages > leverage
leveraging > leverage

这意味着最初这两个单词并没有联系。为了解决这个问题，您应该按照以下方式修改“wordforms.txt”文件的内容：

gear > leverage
geared > leverage
gearing > leverage
gears > leverage
……
leveraged > leverage
leverages > leverage
leveraging > leverage

这个编辑将它们（和它们的所有形式）连接起来。在您编辑“wordforms.txt”文件后，必须保存并重新索引您的索引以应用更改。

现在，当您搜索“gearing”或“leverage”时，您的结果将包含这两个词及其所有形态。

- Vlado