在基于 Elasticsearch 开发分词搜索功能时，你会采用哪些手段来提升中文分词的质量？

回答思路

1. 【回答框架 1】中文分词的核心是选择合适的分析器。默认的 standard 分析器对中文只能按字切分，效果差。常用的中文分析器有 IK 分词器、smartcn、jieba 等，其中 IK 支持自定义词典和细粒度与粗粒度分词模式，能显著提升分词准确性。
2. 【回答框架 2】优化步骤包括：首先安装并配置第三方分词器，如 IK，设置其为 index 和 search 的默认分析器；其次维护自定义词典，将行业术语、专有名词、人名地名等添加到主词典或扩展词典中，并利用远程词典实现热更新；再次根据业务需求选择分词模式，如搜索时用 ik_smart 提高召回率，索引时用 ik_max_word 保证覆盖面。
3. 【回答框架 3】还可以通过别名、同义词过滤器（synonym）处理同义词扩展，使用拼音分词器处理拼音搜索，结合 NGram 或 Edge NGram 处理模糊匹配和前缀查询。最后需结合 query_string 或 match 查询，并测试调优分析器的组合。
4. 【回答框架 4】实际调优中需关注分词结果对搜索相关性和性能的影响。可通过 _analyze API 验证分词效果，根据搜索结果调整词典和查询方式，并持续收集用户搜索日志来优化词典。
5. 【关键点 1】选择合适的中文分词器（如 IK）并配置为默认分析器是基础。
6. 【关键点 2】维护自定义词典（主词典和扩展词典）以收录专有名词和行业术语。
7. 【关键点 3】分词模式选择：索引时用 ik_max_word 最大化切分，搜索时用 ik_smart 或 ik_max_word 平衡召回和准确。
8. 【关键点 4】使用同义词和拼音过滤器扩展搜索能力。
9. 【关键点 5】通过 _analyze API 和实际搜索效果持续调优词典和查询。
10. 【易错点 1】不要仅依赖默认分词器，否则中文搜索质量差。
11. 【易错点 2】分词结果不佳时，需要同时检查索引和搜索时使用的分析器是否一致。
12. 【易错点 3】自定义词典的更新需要及时生效，否则新词无法被正确分词。