Solr集成HebMorph：停用词异常及同义词配置问题

我来帮你解决这两个HebMorph集成Solr的问题，之前我也处理过类似的场景，给你梳理下解决方案：

这其实是HebMorph的正常表现——它的核心能力聚焦在希伯来语的形态分析（比如词根提取、词形还原），默认并没有集成Solr标准的停用词过滤逻辑。所以它只会处理词的形态，不会主动过滤停用词，这就导致搜索希伯来语停用词时，结果里仍会出现包含这些词的文档。

调整方案： #

你需要在字段的分析链中显式添加Solr的停用词过滤器，让它在HebMorph处理完词形后执行过滤：

1. 打开你的Solr schema配置文件（managed-schema或schema.xml），找到希伯来语对应的字段类型
2. 在HebMorph形态分析过滤器之后，添加Solr的StopFilterFactory，并指定希伯来语专用停用词文件
3. 确保停用词文件包含所有需要过滤的希伯来语停用词（可以用Solr自带的希伯来语停用词库，也可以自行补充）

示例配置片段：

<fieldType name="text_hebrew" class="solr.TextField">
  <analyzer type="index">
    <tokenizer class="org.apache.lucene.analysis.hebrew.HebrewTokenizerFactory"/>
    <!-- HebMorph形态分析组件 -->
    <filter class="org.apache.lucene.analysis.hebrew.HebrewMorphologicalFilterFactory"/>
    <!-- 新增Solr停用词过滤器 -->
    <filter class="solr.StopFilterFactory" words="stopwords_he.txt" ignoreCase="false"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="org.apache.lucene.analysis.hebrew.HebrewTokenizerFactory"/>
    <filter class="org.apache.lucene.analysis.hebrew.HebrewMorphologicalFilterFactory"/>
    <filter class="solr.StopFilterFactory" words="stopwords_he.txt" ignoreCase="false"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

注意：如果HebMorph有自己的停用词相关配置参数，请将其关闭，避免和Solr的停用词过滤器冲突。

当然可以！Solr的同义词功能是通过独立的过滤器实现的，和HebMorph没有绑定关系，完全可以用常规配置来实现希伯来语同义词。

实现步骤： #

1. 准备希伯来语同义词文件（比如synonyms_he.txt），格式遵循Solr规则，例如：אבא, אב表示“父亲”的两种表达互为同义词
2. 在希伯来语字段的分析链中添加SynonymGraphFilterFactory（推荐使用这个，它支持图结构同义词，更适配现代Solr版本），位置建议放在形态分析之后、停用词过滤之前（这样同义词转换后再过滤停用词，避免遗漏有效匹配）
3. 根据业务需求调整参数：expand="true"表示展开同义词（搜索אבא会同时匹配אבא和אב），expand="false"则会将同义词合并为一个主词

示例配置片段：

<fieldType name="text_hebrew" class="solr.TextField">
  <analyzer type="index">
    <tokenizer class="org.apache.lucene.analysis.hebrew.HebrewTokenizerFactory"/>
    <filter class="org.apache.lucene.analysis.hebrew.HebrewMorphologicalFilterFactory"/>
    <!-- 新增同义词过滤器 -->
    <filter class="solr.SynonymGraphFilterFactory" synonyms="synonyms_he.txt" ignoreCase="false" expand="true"/>
    <filter class="solr.StopFilterFactory" words="stopwords_he.txt" ignoreCase="false"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="org.apache.lucene.analysis.hebrew.HebrewTokenizerFactory"/>
    <filter class="org.apache.lucene.analysis.hebrew.HebrewMorphologicalFilterFactory"/>
    <filter class="solr.SynonymGraphFilterFactory" synonyms="synonyms_he.txt" ignoreCase="false" expand="true"/>
    <filter class="solr.StopFilterFactory" words="stopwords_he.txt" ignoreCase="false"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

内容的提问来源于stack exchange，提问作者user3420018