扩展Endeca的变音符叠加映射

Question

我们有一个ATG-Endeca应用程序混合希腊语，英语数据的索引。索引的希腊语数据包含带有重音的单词。如果搜索条件没有重音符，则它们与任何数据都不匹配（或者由于对字符没有重音的角色发生自动重编码而不匹配），这不是所期望的功能。 Dgidx标志 - 星形折叠配置不包括希腊字符映射（https://docs.oracle.com/cd/E29584_01/webhelp/mdex_basicDev/src/rbdv_chars_mapping.html）。

是否有可能扩展此oob功能思想属性文件在Endeca方或nucleous或代码？

Answer 1

在你提供给它的文档指出：

Dgidx支持映射Latin1的，拉丁语扩展A，和Windows CP1252索引中国际字符其简单的ASCII码值。

这表明希腊语不支持，因为它不属于任何这些字符集（我相信希腊语是拉丁语-7）。也就是说，假设每种语言都有自己的记录或尝试使用参数dgidx和dgraph来实现全球语言，但您可以尝试在记录级别设置语言标志（因为您指出数据包含英语和希腊语）将影响诸如记录或属性不是全球语言的词干。

dgidx --lang el 
dgraph --lang el 

虽然我不确定它会根据原始声明工作。

或者，您也可以实现使用自定义Accessor，它扩展了atg.repository.search.indexing.PropertyAccessorImpl类区分符号去除的过程（因为你是指Nucleus的选择，所以我假设你正在使用ATG /甲骨文商务部）。使用这个，你可以在索引中指定一个规范化的可搜索字段，它复制当前索引中的可搜索字段，但现在删除了所有的变音符号。您在Accessor中应用的相同逻辑则需要作为搜索条件中的预处理器应用，以便您对输入进行规范化以匹配索引值。最后让索引中的原始字段（带有强调字符）仅显示，并且标准化字段可搜索（但不显示它们）。

结果将与您的标准化文本匹配，但缺点是您的数据已经重复，因此您的索引将更大。小数据集不是一个大问题。 OOTB功能（如词干）如何与标准化数据集一起运行也可能会产生影响。你必须用希腊语和英语进行一些测试，看看精确度和召回率是否受到不利影响。