devel.cz

Teď tu máme nasazený SphinxSearch. Víceméně funguje, pokouší se i skloňovat, ale hodně špatně.
Koukáme teď i na ElasticSearch, ten taky česky skloňuje, ale obdobně špatně.

Špatně proto, že mají jen algoritmický (rule based) přístup. Tedy:

• neumí jakékoliv nepravidelnosti (nepřiřadí si jsem=budu=byl, já=mně, kůň=koně, atd.)
• slovesa víceméně neumí (vyvíjím->vyvíj, vyvinu->vyvin, vyvineme->vyvinm, vyvinul->vyvinul)
• zaměňují podobná slova (elasticsearch: práce=prak, sphinx: ruby=ruku, java=jako=já)
• pletou navzájem různé druhy (testovat=test); to je občas i dobré, ale chtělo by to mít tuhle vlastnost volitelnou
• ani ten algoritmický přístup nemají implementovaný dobře - např. aplikují koncovky ze všech možných vzorů na všechna slova (správně mají slovu přiřadit jeden vzor a aplikovat jen koncovky k němu náležící)

Nevíte o tom, zda jde ElasticSearch nebo Sphinx doplnit i o slovníkový přístup? Tedy kde sehnat slovník (seznam známých slov se všemi jejich tvary), který by to používalo přednostně? (a pouze pro slova mimo tenhle slovník by to použilo algoritmický přístup)