俄语形态分词过滤器 #

俄语形态分词过滤器（russian_morphology) 基于 Lucene Morphology 库，专门用于解决俄语搜索中“搜不全”和“语义偏差”的痛点。 俄语由于其极其复杂的 变格（Declension）和变位（Conjugation） 系统，是形态分析最具挑战性的语言之一。

核心处理逻辑 #

该过滤器在处理俄语文本时具备以下核心能力：

• 变格还原：处理名词、形容词、代词的 6 个格位及单复数变化。
  • 示例：автомобили (复数) 和 автомобилем (单数工具格) 都会还原为 автомоль (汽车)。
• 动词变位还原：处理动词的人称、时态和语气。
  • 示例：бежал (跑/过去时) 还原为 бежать (跑/原型)。
• 多路径歧义处理 (Homonymy)：当一个词形对应多个原型时，同时索引它们以防漏搜。
  • 示例：Мире 会同时产生 мир (世界/和平) 和 миро (圣油)。

俄语形态分析的必要性 #

与英语不同，俄语的一个单词根据格、性、数、时态的变化，可能会产生数十种不同的拼写形式。

• 普通分词器（如 Snowball）：只能简单地去掉词尾（如 -ом, -ами），经常导致词根被错误切分。
• 形态过滤器 (russian_morphology)：通过查阅俄语语言学词典，将所有变形统一回归到其 第一格（Nominative）或动词不定式（Infinitive） 原型。

安装与使用 #

详见 俄语形态分词器 部分。