elasticsearch ik分词--实现专有名词分词 同义词解析

背景说明

公司有涉及汽车相关业务，需要基于输入的车型信息，去匹配系统已有的车型数据。
如输入“昂克赛拉 2016款 1.5L 自动”，
系统已有数据：“马自达3 昂克赛拉 2016款 两厢 1.5L AT 运动型”、“马自达3 昂克赛拉 2016款 两厢 2.0L AT 运动型”、“马自达3 昂克赛拉 2016款 两厢 2.0L AT 旗舰型”、“马自达3 昂克赛拉 2016款 两厢 1.5L MT 运动型”…
按匹配度展示给用户

实现

由于内容中包含中文、英文、数字，采用中文分词器（ik）来进行分词处理

优化前效果（使用ik-smart分词）

示例一：

问题：专有名词“昂克赛拉”被解析为四个词，不识别这个专有词

示例二：

问题：专有名词AT，没有解析处理。 被当做停用词处理掉了

示例三：

问题：汽车名词中，“手动”和“MT”表达的是同一个含义。本示例中的“手动”和示例二 MT这个词，没有解析为相同的词，降低了匹配度。

优化后效果

使用自定义的analyzer (ik_car_analyzer)

此时，可以看到，“昂克赛拉”被解析为一个词，AT没有被当做停用词且其同义词被解析出来了

调整点

• 更新词库，添加汽车专用名词、品牌等信息。
  修改ik分词器下的词库文件，添加所有的汽车品牌、系列名称 (./plugins/ik/config/main.dic)
• 构建同义词。如AT=自动，MT=手动。参考资料如下：
  • https://blog.csdn.net/yusewuhen/article/details/50685685
  • https://blog.csdn.net/tianzhaixing2013/article/details/51506496
• 修正停用词。如AT，被忽略了
  修改ik分词器插件下的停止词文件 (./plugins/ik/config/stopword.dic)

{
  "settings": {
    "analysis": {
      "analyzer": {
        "ik_car_analyzer": {
          "type":      "custom",
          "tokenizer": "ik_smart",
          "char_filter": [],
          "filter": [
            "lowercase",
            "ik_car_filter"      // 自定义过滤器
          ]
        }
      },
		"filter": {
		  "ik_car_filter": {
			"type": "synonym",   // 定义同义词
			"synonyms_path": "../plugins/ik/config/synonym.dic"
		  }
		}
    }
  }
}