Common Grams Token Filter(近义词词元过滤器)

简述

此过滤器，用于为经常出现的术语生成二进制码。 单项仍被索引。 当我们不想完全忽略常用术语时，它可以用作“ 停止令牌过滤器”的替代方法。如"the quick brown is a fox",将被过滤成  "the", "the_quick", "quick", "brown", "brown_is", "is_a", "a_fox", "fox"。假设“the”，“is”和“a”是常用词。

当启用query_mode时，过滤器将删除常用单词和单个术语，后跟通用单词。 应在搜索分析器中启用此参数。如，"the quick brown is a fox" 将被过滤成 "the_quick", "quick", "brown_is", "is_a", "a_fox", "fox"。

参数

以下是常用设置：

设置	描述
common_words	要使用的常用词列表。
common_words_path	路径（相对于config位置，或绝对）到常用单词列表。 每个单词应该在自己的“行”（用换行符分隔）。 该文件必须是UTF-8编码。
ignore_case	如果为真，通用单词匹配将不区分大小写（默认为false ）。
query_mode	生成二进制，然后删除常用单词和单个术语，后跟一个通用单词（默认为false ）。

注意， common_words或common_words_path字段是必需的。

示例

如下所示：

index :
    analysis :
        analyzer :
            index_grams :
                tokenizer : whitespace
                filter : [common_grams]
            search_grams :
                tokenizer : whitespace
                filter : [common_grams_query]
        filter :
            common_grams :
                type : common_grams
                common_words: [a, an, the]
            common_grams_query :
                type : common_grams
                query_mode: true
                common_words: [a, an, the]