MiniSearch 中如何处理同义词扩展与组合搜索

在构建客户端搜索功能时，我们经常需要处理同义词扩展和组合搜索的需求。本文将以 MiniSearch 为例，介绍如何优雅地实现同时支持同义词扩展和 AND 组合搜索的功能。

问题背景

假设我们需要构建一个支持度量单位转换的搜索功能，用户可能输入"1/8th oz"或"3.5g"这样的查询。我们希望搜索能够识别这些同义词，同时还能支持组合查询如"cherry eighth"。

初始解决方案

开发者最初尝试使用 processTerm 方法来标准化度量单位，例如将"1/8th oz"转换为["eighth", "1/8th", "3.5g"]。当使用 combineWith: "OR" 时，这种方法工作良好。但当切换到 combineWith: "AND" 进行组合搜索时，由于额外的同义词标记会导致搜索结果被错误过滤。

优化方案

更优雅的解决方案是在索引阶段进行同义词扩展，而在搜索阶段保持原始查询不变：

const miniSearch = new MiniSearch({
  fields: [/* 字段定义 */],
  // 索引阶段使用自定义的同义词处理
  processTerm: customProcessTerm,
  searchOptions: {
    // 搜索阶段使用默认处理
    processTerm: MiniSearch.getDefault('processTerm')
  }
})

工作原理

1. 索引阶段：文档中的文本会被 customProcessTerm 处理，扩展出所有同义词。例如：

   • "1/8th oz" → ["1", "one", "8th", "eighth", "oz"]
   • "3.5g" → ["3.5", "three point five", "g", "gram"]

2. 搜索阶段：查询词保持原样处理，不进行同义词扩展。例如：

   • 查询"cherry eighth" → ["cherry", "eighth"]
   • 查询"cherry 1/8th" → ["cherry", "1", "8th"]

这样，使用 combineWith: "AND" 时，系统会正确匹配同时包含查询词的文档，而不会因为同义词扩展导致匹配失败。

技术优势

1. 搜索精度高：AND 组合查询能准确找到同时包含所有查询词的文档
2. 索引覆盖广：同义词扩展确保了各种表达方式都能被检索到
3. 性能优化：同义词处理只在索引阶段执行一次，搜索阶段保持高效

实现建议

在实际实现 customProcessTerm 时，可以考虑：

function customProcessTerm(term) {
  // 处理度量单位转换
  if (term === '1/8th') return ['1', 'one', '8th', 'eighth', '3.5', 'three point five']
  if (term === 'oz') return ['oz', 'ounce', 'ounces', '28.35', 'twenty-eight point three five']
  // 其他同义词处理...
  return [term] // 默认返回原词
}

这种设计模式不仅适用于度量单位转换，还可以广泛应用于各种同义词处理场景，如产品规格、专业术语、多语言支持等。