CloudSearch の Stemming、Synonyms、Tokenization Dictionary の違いまとめ

CloudSearch の Analysys Schemes 設定での {Stemming, Synonyms, Tokenization Dictionary} の違いをよく忘れるので、まとめた。

Stemming

単語の活用形をケアする。
running をステム run にマッピングすると、running で検索をかけた時に running だけでなく run も含むドキュメントも一致する。

"running": "run"

Synonyms

Aliases

一方向のシノニム。
↓の例では、ビジネスマンで検索すると、ビジネスマン、ビジネス、人物の 3 つを考慮して検索をかけることになる。
(しかし、ビジネスで検索をかけた時にビジネスマン要素は考慮しない。)

  "ビジネスマン": [
    "ビジネス",
    "人物"
  ],

Groups

↓同じグループとみなし、全てを同等に考慮して検索をかけることになる。

  [
    "スマホ",
    "スマートフォン",
    "スマフォ",
    "タブレット",
    "スマホタブレット"
  ],

tokenization dictionary

形態素解析をコントロールする。
例えば「ウェディングドレス」を「ウェディング」と「ドレス」に分けたくない時に、↓のように指定する。

  [
    "ウェディングドレス",
    "ウェディングドレス",
    "ウェディングドレス",
    "カスタム名詞"
  ],