Elasticsearch波兰语on/ona词干问题：搜索结果混淆求助

问题原因 #

你遇到的核心问题有两个：

1. 英文词干器不兼容波兰语：你用的porter_stem是为英文设计的词干提取过滤器，它会错误地把波兰语代词“on”和“ona”处理成相同的词干，导致搜索“on”时会匹配到包含“ona”的文档。
2. keyword_marker配置无效：一是过滤器顺序错误——你把porter_stem放在了keyword_marker之后，而keyword_marker的作用是标记词汇不被后续的词干器修改，顺序颠倒就起不到作用；二是你只标记了“ona”，没标记“on”，而且大概率你没有在字段映射中实际使用这个自定义分析器，还是在用默认的标准分析器。

解决方案 #

1. 使用波兰语专用词干过滤器

替换英文的porter_stem为Elasticsearch内置的polish_stem，它专门针对波兰语做了词干优化，不会错误合并“on”和“ona”。

2. 正确配置keyword_marker过滤器

调整过滤器顺序，确保keyword_marker在词干过滤器之前，同时把“on”和“ona”都加入保护列表，避免被词干化处理。

3. 字段映射绑定自定义分析器

创建索引时，明确指定需要搜索的字段使用你的自定义分析器，确保索引和搜索阶段都用同一个规则处理文本。

完整配置示例 #

PUT /my_polish_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "polish_gender_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "gender_protected_words",
            "polish_stem"
          ]
        }
      },
      "filter": {
        "gender_protected_words": {
          "type": "keyword_marker",
          "keywords": ["on", "ona"],
          "ignore_case": true
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "analyzer": "polish_gender_analyzer",
        "search_analyzer": "polish_gender_analyzer"
      }
    }
  }
}

验证方法 #

用_analyze API测试分析结果，确认“on”和“ona”被处理为独立的token：

POST /my_polish_index/_analyze
{
  "analyzer": "polish_gender_analyzer",
  "text": ["on", "ona"]
}

返回结果中应该能看到两个独立的token，不会被合并成同一个词干。

注意事项 #

如果已经创建了旧索引，无法直接修改其分析器配置，需要重新创建索引并通过_reindex API迁移数据。

内容的提问来源于stack exchange，提问作者Thien Nguyen