専門用語の辞書を作成しています。
以下のようなドキュメントが入っています。
- 赤パジャマ
- 青パジャマ
- 黄パジャマ
この文字を以下で検索します。
- 僕は黄パジャマを着たい。貴方は赤パジャマにしたら？
文字列が以下のように形態素解析されるとして、
僕 は 黄 パジャマ を 着たい。 貴方 は 赤 パジャマ に したら？
その結果以下が欲しいです。
- 青パジャマ
- 赤パジャマ
試した方法と考えた解決案
1. ドキュメントを解析(デフォルト)
- ドキュメント
赤パジャマ → 赤、パジャマ → 赤(0:0)、パジャマ(0:1)
青パジャマ → 青、パジャマ → 青(1:0)、パジャマ(1:1)
黄パジャマ → 黄、パジャマ → 黄(2:0)、パジャマ(2:1)
- インデックス
赤 0:0
青 1:0
黄 2:0
パジャマ 0:1, 1:1, 2:1
- 検索
赤 0:0
黄 2:0
パジャマ 0:1, 1:1, 2:1
→ 0, 1, 2全部ヒットする
2. ドキュメントをnot_analyzed
検索する文字列が不適切に分割された場合にヒットしない
赤、パジャマと分割されているのでヒットしない
解決案
解析済みのテキストにはポジションがあるので以下のようにできないか考えています。
1でインデックスを検索した結果以下のように想定できます。
赤 0:0
黄 2:0
パジャマ 0:1, 1:1, 2:1
その結果、全てがヒットしますが、ドキュメントに着目すると
0:0, 0:1 → 赤パジャマ
1:1 → パジャマ
2:0, 2:1 → 黄パジャマ
となり、1:0が無いので青パジャマを除外できるのじゃないかと考えました。
検索クエリでこのpositionやドキュメントIDの演算ができるのか、
また別な解決策があれば教えていただきたいです。