Lucene Analyzerを作成する

Question

基本的なヘブライ語のステミングをしたいと思います。

カスタムアナライザーのすべての例私はいつも他のアナライザーとフィルターをマージしていますが、文字列レベルの処理は一切行いません。

ストリームの各用語に対して取得するアナライザーを作成する場合は、次の規則で1,2語を送信する： 受信用語が他のもので始まる場合"a"それはそのまま渡されるべきです。 着信タームが "a"で始まる場合は、元のタームと先頭に "a"がなく、ブーストが低い2つのタームが生成されます。

ドキュメントに「help away」がある場合、「help」、「away」、「way 0.8」が返されるようにします。

これを行うには、私はどのような分析装置のメソッドをオーバーライドすべきですか？ （同様の性質の例へのポインタが非常に役に立ちます）。ここで

おかげ

Answer 1

は一例です：http://www.java2s.com/Open-Source/Java-Document/Search-Engine/lucene/org/apache/lucene/wordnet/SynonymTokenFilter.java.htm

は、簡単に言えば、コードをスキャンし、同じ位置（同義語）で追加のトークンを放出しなければならないようです。これは、問題のために行う必要があるincrementToken（）をオーバーライドすることによって行います（次のトークンのスタックを維持し、1つずつ戻す）。

この例ではうまくいかない場合は、Luceneでシノニムフィルタを実装する方法について説明しているものを探してみてください。これは問題とほぼ同じです。 Lucene in Action本の良い例があります。コードはhttp://www.manning.com/hatcher3/LIAsourcecode.zip、クラスSynonymFilterです。