amazon-web-services - 如何用复合词分析 HTML 文本

Question

我正在为一堆网站编写一个基于 Elasticsearch 的搜索服务，这些网站的内容是用瑞典语、德语和芬兰语等语言编写的。

我知道 Elasticsearch 默认提供语言分析器，但经过一些测试后，我发现它们的支持充其量只是草率。

到目前为止我得到的是：

{
  "settings":{
    "analysis":{
      "filter":{
        "swedish_stop":{
          "type": "stop",
          "stopwords": "_swedish_"
        },
        "swedish_stemmer":{
          "type":"stemmer",
          "language":"swedish"
        },
        "swedish_words":{
          "type":"dictionary_decompounder",
          "word_list":["very", "long", "list", "of", "words", "almost", "13", "MB"]
        }
      },
      "analyzer":{
        "custom_swedish":{
          "tokenizer": "standard",
          "filter":[
            "lowercase",
            "swedish_stop",
            "swedish_stemmer",
            "swedish_words"
          ],
          "char_filter":[
            "html_strip"
          ]
        }
      }
    }
  }
}

你们有线索吗？