所有这一切都可以通过在Elasticsearch中配置/编写自定义分析器来实现。依次回答每个问题：

同义词

同义词可以应用于索引时间、搜索时间或两者。无论您选择哪种方法，都需要考虑权衡

• 与在搜索时应用同义词相比，在索引时应用同义词将导致更快的搜索速度，代价是更多的磁盘空间、索引吞吐量以及添加/删除现有同义词的易用性和灵活性
• 在搜索时应用同义词可以以牺牲搜索速度为代价实现更大的灵活性。

还需要考虑同义词列表的大小以及它更改的频率（如果有的话）。我会考虑尝试两者并决定哪种最适合您的场景和需求。

单数单词（鞋和鞋应该是相同的匹配）

您可以考虑使用词干法将复数和单数单词减少为其词根形式，使用基于算法或字典的词干器。也许从英语Snowball词干器开始，看看它是如何为你工作的。

您还应该考虑是否还需要索引原始单词形式，例如，精确的单词匹配是否应该在其根形式上排名高于词干单词？

应允许小的拼写错误、替换和遗漏

考虑使用可以利用模糊性来处理拼写错误的查询。如果索引数据中存在拼写错误，请考虑在索引之前进行某种形式的清理。根据所有数据存储，垃圾输入，垃圾输出：）

忽略所有停用词

使用英文停止标记过滤器删除停止词。

将所有这些放在一起，示例分析器可能看起来像

void Main()
{
    var pool = new SingleNodeConnectionPool(new Uri("http://localhost:9200"));
    var defaultIndex = "default-index";
    var connectionSettings = new ConnectionSettings(pool)
        .DefaultIndex(defaultIndex);

    var client = new ElasticClient(connectionSettings);

    if (client.IndexExists(defaultIndex).Exists)
        client.DeleteIndex(defaultIndex);

    client.CreateIndex(defaultIndex, c => c
        .Settings(s => s
            .Analysis(a => a
                .TokenFilters(t => t
                    .Stop("my_stop", st => st
                        .StopWords("_english_", "i've")
                        .RemoveTrailing()
                    )
                    .Synonym("my_synonym", st => st
                        .Synonyms(
                            "dap, sneaker, pump, trainer",
                            "soccer => football"
                        )
                    )
                    .Snowball("my_snowball", st => st
                        .Language(SnowballLanguage.English)
                    )
                )
                .Analyzers(an => an
                    .Custom("my_analyzer", ca => ca
                        .Tokenizer("standard")
                        .Filters(
                            "lowercase",
                            "my_stop",
                            "my_snowball",
                            "my_synonym"
                        )
                    )
                )
            )
        )
        .Mappings(m => m
            .Map<Message>(mm => mm
                .Properties(p => p
                    .Text(t => t
                        .Name(n => n.Content)
                        .Analyzer("my_analyzer")
                    )
                )
            )
        )
    );

    client.Analyze(a => a
        .Index(defaultIndex)
        .Field<Message>(f => f.Content)
        .Text("Loving those Billy! Them is the maddest soccer trainers I've ever seen!")
    );
}

public class Message
{
    public string Content { get; set; }
}

my_analyzer为上面生成以下标记

{
  "tokens" : [
    {
      "token" : "love",
      "start_offset" : 0,
      "end_offset" : 6,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "those",
      "start_offset" : 7,
      "end_offset" : 12,
      "type" : "<ALPHANUM>",
      "position" : 1
    },
    {
      "token" : "billi",
      "start_offset" : 13,
      "end_offset" : 18,
      "type" : "<ALPHANUM>",
      "position" : 2
    },
    {
      "token" : "them",
      "start_offset" : 20,
      "end_offset" : 24,
      "type" : "<ALPHANUM>",
      "position" : 3
    },
    {
      "token" : "maddest",
      "start_offset" : 32,
      "end_offset" : 39,
      "type" : "<ALPHANUM>",
      "position" : 6
    },
    {
      "token" : "football",
      "start_offset" : 40,
      "end_offset" : 46,
      "type" : "SYNONYM",
      "position" : 7
    },
    {
      "token" : "trainer",
      "start_offset" : 47,
      "end_offset" : 55,
      "type" : "<ALPHANUM>",
      "position" : 8
    },
    {
      "token" : "dap",
      "start_offset" : 47,
      "end_offset" : 55,
      "type" : "SYNONYM",
      "position" : 8
    },
    {
      "token" : "sneaker",
      "start_offset" : 47,
      "end_offset" : 55,
      "type" : "SYNONYM",
      "position" : 8
    },
    {
      "token" : "pump",
      "start_offset" : 47,
      "end_offset" : 55,
      "type" : "SYNONYM",
      "position" : 8
    },
    {
      "token" : "ever",
      "start_offset" : 61,
      "end_offset" : 65,
      "type" : "<ALPHANUM>",
      "position" : 10
    },
    {
      "token" : "seen",
      "start_offset" : 66,
      "end_offset" : 70,
      "type" : "<ALPHANUM>",
      "position" : 11
    }
  ]
}