Elasticsearch多路复用器Token Filter结合同义词功能不符合预期

1. 多路复用器配置错误 #

你的multiplexer_custom过滤器存在写法问题：当前将两个过滤器合并为单个字符串传入filters数组，这会导致Elasticsearch尝试查找名为test_stemmer, test_synonym_filter的不存在过滤器，而非依次执行两个独立过滤器。

错误配置：

"filters": [
  "test_stemmer, test_synonym_filter"
]

正确写法（每个过滤器作为数组独立元素）：

"filters": [
  ["test_stemmer", "test_synonym_filter"]
]

2. 满足三重输出需求的配置调整 #

你的核心需求是输出：a) 原词；b) 词干化原词；c) 词干化同义词。需配置多分支多路复用器，结合preserve_original: true保留原词，具体配置如下：

PUT /test-index
{
  "settings": {
    "index": {
      "analysis": {
        "analyzer": {
          "test_analyzer_multiplexer": {
            "tokenizer": "classic",
            "filter": [
              "multiplexer_custom"
            ]
          }
        },
        "filter": {
          "multiplexer_custom": {
            "type": "multiplexer",
            "filters": [
              ["test_stemmer"], // 分支1：仅对原词做词干化
              ["test_stemmer", "test_synonym_filter"] // 分支2：词干化后应用同义词规则
            ],
            "preserve_original": true // 保留原始分词结果
          },
          "test_synonym_filter": {
            "type": "synonym_graph",
            "synonyms": [
              "walking, jumping fox"
            ],
            "expand": true // 开启双向同义词匹配
          },
          "test_stemmer": {
            "type": "stemmer",
            "language": "english"
          }
        }
      }
    }
  }
}

配置说明 #

• preserve_original: true：直接保留分词后的原始token（对应需求a）。
• 第一个分支["test_stemmer"]：仅对原始token执行词干化，得到词干化后的原词（对应需求b）。
• 第二个分支["test_stemmer", "test_synonym_filter"]：先词干化再匹配同义词，最终得到词干化后的同义词（对应需求c）。
• expand: true：确保"jumping fox"与"walking"双向匹配，避免单向匹配失效问题。

3. 测试验证 #

使用_analyze接口验证配置效果：

POST /test-index/_analyze
{
  "analyzer": "test_analyzer_multiplexer",
  "text": "jumping fox"
}

预期输出包含三类token：

• 原始token：jumping、fox
• 词干化原词：jump、fox
• 词干化同义词：walk（来自walking的词干化）

内容的提问来源于stack exchange，提问作者Kozhevnikov Nikita