Solr Shingle не виден в отладочном запросе

Question

Я пытаюсь использовать Solr, чтобы найти точные совпадения по категориям в поиске пользователя (e.g. "skinny jeans" in "blue skinny jeans"), Я использую следующее определение типа:

<fieldType name="subphrase" class="solr.TextField" positionIncrementGap="100" autoGeneratePhraseQueries="true">
  <analyzer type="index">
    <charFilter class="solr.PatternReplaceCharFilterFactory" 
                pattern="\ " 
                replacement="_"/>
    <tokenizer class="solr.KeywordTokenizerFactory"/>
  </analyzer>
  <analyzer type="query">
  <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <filter class="solr.ShingleFilterFactory" 
            outputUnigrams="true"
            outputUnigramsIfNoShingles="true"
            tokenSeparator="_"
            minShingleSize="2"
            maxShingleSize="99"/>
  </analyzer>
</fieldType>

Тип будет индексировать категории без токенов, заменяя только пробелы подчеркиванием. Но он будет разбивать запросы на запросы и подчеркивать их (подчеркиваниями).

То, что я пытаюсь сделать, это сопоставить опущенный запрос с индексированными категориями. На странице Solr Analysis я вижу, что замена пробелов / подчеркиваний работает как для индекса, так и для запроса, и я вижу, что запрос корректно обшивается (скриншот ниже):

Моя проблема в том, что на странице Solr Query я не вижу генерируемой черепицы, и я предполагаю, что в результате категория "джинсы скинни" не совпадает, а категория "джинсы" совпадает:(

Это вывод отладки:

{
  "responseHeader": {
    "status": 0,
    "QTime": 1,
    "params": {
      "q": "name:(skinny jeans)",
      "indent": "true",
      "wt": "json",
      "debugQuery": "true",
      "_": "1464170217438"
    }
  },
  "response": {
    "numFound": 1,
    "start": 0,
    "docs": [
      {
        "id": 33,
        "name": "jeans",
      }
    ]
  },
  "debug": {
    "rawquerystring": "name:(skinny jeans)",
    "querystring": "name:(skinny jeans)",
    "parsedquery": "name:skinny name:jeans",
    "parsedquery_toString": "name:skinny name:jeans",
    "explain": {
      "33": "\n2.2143755 = product of:\n  4.428751 = sum of:\n    4.428751 = weight(name:jeans in 54) [DefaultSimilarity], result of:\n      4.428751 = score(doc=54,freq=1.0), product of:\n        0.6709952 = queryWeight, product of:\n          6.600272 = idf(docFreq=1, maxDocs=541)\n          0.10166174 = queryNorm\n        6.600272 = fieldWeight in 54, product of:\n          1.0 = tf(freq=1.0), with freq of:\n            1.0 = termFreq=1.0\n          6.600272 = idf(docFreq=1, maxDocs=541)\n          1.0 = fieldNorm(doc=54)\n  0.5 = coord(1/2)\n"
    },
    "QParser": "LuceneQParser"
  }
}

Понятно, что параметр parsedquery не отображает дребезжащий запрос. Что мне нужно сделать, чтобы завершить процесс сопоставления черепицы запросов с индексированными значениями? Я чувствую, что я очень близок к решению этой проблемы. Любой совет приветствуется!

Answer 1

Это неполный ответ, но этого может быть достаточно, чтобы заставить вас двигаться.

1: Вы, вероятно, хотите outputUnigrams="false", так что вы не соответствуете категории "джинсы" по запросу "узкие джинсы"

2: Вы действительно хотите искать с кавычками, (фраза), или поле никогда не увидит больше одного токена, чтобы разобраться.

3: кажется, что вы пытаетесь сделать то же самое, что и этот человек: http://comments.gmane.org/gmane.comp.jakarta.lucene.user/34746

Этот поток выглядит так, как будто он приводит к включению PositionFilterFactory https://wiki.apache.org/solr/AnalyzersTokenizersTokenFilters

Если вы используете Solr < 5.0, попробуйте указать это в конце анализа времени запроса и посмотрите, работает ли он.

К сожалению, эта фабрика фильтров была удалена в 5.0. Это единственный комментарий, который я нашел о том, что делать вместо этого: http://lucene.apache.org/core/4_10_0/analyzers-common/org/apache/lucene/analysis/position/PositionFilter.html

Я играл с autoGeneratePhraseQueries немного, но мне еще предстоит найти другой способ предотвратить создание Solr MultiPhraseQuery.