Elastic Search如何配置合适analyser实现同词根不同形态词全召回

实现逻辑 #

你需要的搜索效果本质是实现英文单词的时态、形态归一，ES 自带的 词干提取 能力就能直接满足需求：给索引和查询配置同一个带词干提取的分析器，会把 walking/walked/walks 都归一为词根 walk，把 hiring/hired/hires 都归一为词根 hire，只要查询词和文档文本归一后的词根一致就能命中，完全符合你的召回要求。

具体配置步骤 #

1. 新建索引时配置自定义分析器 #

直接执行以下请求创建索引，注意替换成你自己的索引名和存储文本的字段名：

PUT /你的索引名称
{
  "settings": {
    "analysis": {
      "analyzer": {
        "stem_analyzer": {
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "porter_stem"
          ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "存储文本的字段名": {
        "type": "text",
        "analyzer": "stem_analyzer",
        "search_analyzer": "stem_analyzer"
      }
    }
  }
}

配置说明：

• 用 standard 分词器按空格、标点拆分英文单词
• lowercase 过滤器统一转小写，避免大小写差异导致匹配失败
• porter_stem 是 ES 内置的英文词干提取器，负责把不同形态的单词归一到同一个词根
• 索引和查询用同一个分析器，保证两端的文本处理逻辑完全一致

2. 验证配置效果 #

配置完成后可以用分析接口验证归一效果，比如测试 walk 相关的所有变形：

POST /你的索引名称/_analyze
{
  "analyzer": "stem_analyzer",
  "text": ["walking", "walked", "walk", "walks"]
}

返回结果里所有词的提取结果都是 walk，同理测试 hire 相关的变形，返回结果都会是 hire，确认效果符合预期后再导入原有数据即可。

注意事项 #

如果之前已经创建过索引，不能直接修改已有索引的 settings 配置，需要按新配置创建索引后，把原有数据 reindex 到新索引再使用。

内容的提问来源于stack exchange，提问作者ankur patel