Uso de herpes zóster y palabras de detención con Elasticsearch y Lucene 4.4
En el índice que estoy construyendo, estoy interesado en ejecutar una consulta y luego (usando facetas) devolver las tejas de esa consulta. Aquí está el analizador que estoy usando en el texto:
{
"settings": {
"analysis": {
"analyzer": {
"shingleAnalyzer": {
"tokenizer": "standard",
"filter": [
"standard",
"lowercase",
"custom_stop",
"custom_shingle",
"custom_stemmer"
]
}
},
"filter": {
"custom_stemmer" : {
"type": "stemmer",
"name": "english"
},
"custom_stop": {
"type": "stop",
"stopwords": "_english_"
},
"custom_shingle": {
"type": "shingle",
"min_shingle_size": "2",
"max_shingle_size": "3"
}
}
}
}
}
El problema principal es que, con Lucene 4.4, los filtros de detención ya no admitenenable_position_increments
parámetro para eliminar las tejas que contienen palabras de detención. En cambio, obtendría resultados como ...
"rojo y amarillo"
"terms": [
{
"term": "red",
"count": 43
},
{
"term": "red _",
"count": 43
},
{
"term": "red _ yellow",
"count": 43
},
{
"term": "_ yellow",
"count": 42
},
{
"term": "yellow",
"count": 42
}
]
Naturalmente, esto sesga GRANDEMENTE el número de tejas devueltas. ¿Existe alguna forma posterior a Lucene 4.4 para gestionar esto sin realizar un procesamiento posterior de los resultados?