如何将停用词添加到 ElasticSearch 的默认列表中

Question

我想在默认的“ english ”中添加更多单词，例如“inc”、“incorporated”、“ltd”和“limited”。我怎样才能做到这一点？

我当前创建索引的代码如下。谢谢。

PUT /my_index
{
  "settings": {
    "analysis": {
      "filter": {
        "my_stop": {
          "type": "stop",
          "stopwords": "_english_"
        }
      },
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "whitespace",
           "char_filter": [
            "html_strip"
          ],
          "filter": [ 
            "lowercase",
            "asciifolding",
            "my_stop"
          ]
        }
      }
    }
  }
}

我的测试代码

POST my_index/_analyze
{
  "analyzer": "my_analyzer",
  "text": "House of Dickson<br> corp"
}

Answer 1

我已经能够使用以下方法将自定义停用词与标准英语结合起来：

{
    "analysis": {
        "analyzer": {
            "my_analyzer": {
                "tokenizer": "standard",
                "filter": [
                    "custom_stop",
                    "english_stop"
                ]
            }
        },
        "filter": {
            "custom_stop": {
                "type":       "stop",
                "stopwords": ["custom1","custom2","custom3"]
            },
            "english_stop": {
                "type":       "stop",
                "stopwords":  "_english_"
            }
        }
    }
}

Answer 2

“ english ”停用词集与标准分析器中的集相同。

您可以使用这些单词和附加停用词创建一个文件，并使用stopwords_path选项指向该文件（而不是stopwords设置）：

{
  "settings": {
    "analysis": {
      "filter": {
        "my_stop": {
          "type": "stop",
          "stopwords_path": "stopwords/custom_english.txt"
        }
      },
      ...
}

您可以在ES-docs中找到文件外观的更多信息（UTF-8，每行单个停用词，文件存在于所有节点上）。