欧洲很多语言都是变形的。这意味着一个单词可以用多种形式写在文本中。例如,在波兰的“电脑服务”字“计算机”有多种形式:“komputera”,“komputerowi”,“komputerem”,“komputery”等。Django + Haystack +飞快移动:如何处理语言变形
我应该如何使用Django +草垛+嗖正确处理语言转折?
每当我搜索任何形式的“komputer”,“komputera”,“komputerowi”我的意思是同样的事情 - >“komputer”。
在NLP中,基于词干(裁减后缀)的基本方法是将表单转换为基本形式(“komputerowi”=>“komputer”)。有一些图书馆可以提供帮助。
我的第一个想法是准备一些特殊的模板过滤器,它将给定变量中的每个识别的单词转换为带有基本形式而不是形式的文本。然后我可以在django + haystack的搜索索引模板中使用它。如果搜索查询也会在转换之前转换为whoosh引擎,这应该很好。见例如:
haystack search index template:
{{some_indexed_text|convert_to_base_form_filter}}
text to index: "Nie ma komputera" => "Nie ma komputer" <- this is really indexed
search query: "komputery" => "komputer" <-- this will match
但我不认为这是这个问题的“优雅”的解决方案,也有一些其他功能将无法正常工作 - 像提示拼写错误的建议。
那么 - 我该如何解决这个问题?也许我应该使用其他搜索引擎而不是whoosh?
谢谢!我根本不知道谁有这个词根。 – thedk 2010-10-10 15:12:06
不幸的是,该链接不再工作 – Rost 2012-12-06 13:15:54