如何在Cognitive Search中优化地址的存储、索引与搜索？

一、改用结构化存储替代纯字符串 #

别把地址存成单一字符串，拆成独立字段存储，比如：

• street_number: 门牌号（如123）
• street_name: 街道名（如Sesame St）
• city: 城市（如Seattle）
• state: 州/省（如WA）
• postal_code: 邮编（如12345）
• country: 国家（如US）

拆分后能针对不同字段单独处理变体问题，比如单独处理邮编的扩展位、街道名的缩写。示例文档结构改成：

{
    "docID":"32",
    "addresses":[
        {
            "street_number": "123",
            "street_name": "Sesame St",
            "city": "Seattle",
            "state": "WA",
            "postal_code": "12345",
            "country": "US"
        },
        {
            "street_number": "456",
            "street_name": "2nd Avr",
            "city": "Washington",
            "state": "DC",
            "postal_code": "98765",
            "country": "USA"
        }
    ]
}

二、定制地址专用分析器 #

针对地址的特性做定制化分析，解决缩写、格式不一致的问题：

• 同义词映射：加同义词过滤器，提前维护地址常用缩写词典，比如把St映射到Street、Avr映射到Avenue、USA映射到US，这样不管查全称还是缩写都能匹配。
• 邮编归一化：加自定义过滤器，把带扩展位的邮编（如12345-4567）截取前5位统一存储；或者保留扩展位，查询时自动做前缀匹配（比如查12345-4567时匹配12345*）。
• 清理无关字符：用小写过滤器统一转小写，去掉逗号、空格等无关标点，避免因大小写或标点导致匹配失败。
• 别用停用词过滤：地址里每个词都有实际意义，不要过滤任何内容。

三、优化查询策略，别全用模糊搜索 #

1. 分字段组合查询：
   门牌号、城市、州优先精确匹配，街道名用同义词+模糊匹配，邮编做前缀匹配。比如针对查询123 Sesame Street Seattle WA 12345-4567, US，可以生成这样的查询逻辑：

   +street_number:123 +street_name:(Sesame Street) +city:Seattle +state:WA +postal_code:12345* +country:(US USA)
   

2. 避免全局模糊：别给每个词都加~，这样会拉低精度。只对可能有变体的字段（比如街道名）用模糊或同义词，其他字段尽量精确匹配。
3. 兼容缺失字段：如果查询里没带国家码，就不要加country的查询条件，避免因为缺失条件导致匹配失败。

四、额外优化：地址标准化 #

索引前先对原始地址做标准化处理，比如用本地的地址解析逻辑把字符串拆成结构化字段，同时统一格式——比如把Sesame Street转成Sesame St，或者反过来，确保索引和查询的格式一致，从根源减少匹配偏差。

内容的提问来源于stack exchange，提问作者Mr Opussum