Elasticsearch：使用 semantic_text 简化语义搜索

PUT /my_index
{
  "mappings": {
    "properties": {
      "text": {
        "type": "text",
        "fields": {
          "semantic_text": {
            "type": "text",
            "analyzer": "semantic_analyzer"
          }
        }
      }
    },
    "settings": {
      "analysis": {
        "analyzer": {
          "semantic_analyzer": {
            "tokenizer": "standard",
            "filter": [
              "lowercase",
              "stop",
              "stemmer_override",
              "kstem",
              "reverse",
              "word_delimiter",
              "stemmer"
            ]
          }
        },
        "filter": {
          "stemmer_override": {
            "type": "stemmer_override",
            "rules_path": "analysis/stemmer_override.txt"
          },
          "stemmer": {
            "type": "stemmer",
            "language": "english"
          }
        }
      }
    }
  }
}

这个代码示例演示了如何在Elasticsearch中定义一个包含语义分析的字段semantic_text。它使用了自定义的分析器semantic_analyzer，该分析器包含一系列的分词器和过滤器来进行语义处理。在此示例中，我们使用了stemmer_override来提供特定词汇的词干形式的例外，kstem用于将复数形式还原到单数形式，reverse用于将词汇反转以捕获类似词的查询，word_delimiter用于更好地处理词的变形（例如，将"jumping"转换为"jump"），以及stemmer提供了英语的词干分析能力。这样，在搜索时，可以同时对原始文本和语义文本进行查询，以提供更广泛的匹配性。