首页 / ELEASTATICSEARCH / 【ElasticSearch】 中文分词器-IK分词器（六）

【ElasticSearch】 中文分词器-IK分词器（六）

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了【ElasticSearch】 中文分词器-IK分词器（六），小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1339字，纯文字阅读大概需要2分钟。

内容图文

分词介绍

什么是分词

　　分词就是指将一个文本转化成一系列单词的过程，也叫文本分析，在Elasticsearch中称之为Analysis。

　　举例:我是中国人 --> 我/是/中国人

分词api

　　指定分词器进行分词

　　示例：

                                            1
                                            POST /_analyse

                                            2
                                            3
                                            {

                                            4
                                                "analyzer": "standard",

                                            5
                                                "text": "hello world"

                                            6 }

　　效果如下：

 　　技术分享图片

　　在结果中不仅可以看出分词的结果，还返回了该词在文本中的位置。

　　指定索引分词

　　示例

                                            1
                                            POST /person/_analyse

                                            2
                                            3
                                            {

                                            4
                                                "analyzer": "standard",

                                            5
                                                "field": "hobby",

                                            6
                                                "text": "听音乐"

                                            7 }

　　效果如下：

技术分享图片

中文分词

　　中文分词的难点在于，在汉语中没有明显的词汇分界点，如在英语中，空格可以作为分隔符，如果分隔不正确就会造成歧义。

　　如:

  • 我/爱/炒肉丝
  • 我/爱/炒/肉丝

　　常用中文分词器，IK、jieba、THULAC等，推荐使用IK分词器。

　　IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始， IKAnalyzer已经推出了3个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析算 法的中文分词组件。新版本的IK Analyzer 3.0则发展为面向Java的公用分词组件，独立于Lucene项目，同时提 供了对Lucene的默认优化实现。

　　采用了特有的“正向迭代最细粒度切分算法“，具有80万字/秒的高速处理能力 采用了多子处理器分析模式，支 持:英文字母(IP地址、Email、URL)、数字(日期，常用中文数量词，罗马数字，科学计数法)，中文词汇 (姓名、地名处理)等分词处理。 优化的词典存储，更小的内存占用。

　　IK分词器 Elasticsearch插件地址：https://github.com/medcl/elasticsearch-analysis-ik

安装IK分词器

　　1、从官网下载IK分词器，注意版本问题，与ES保持一致即可（本例ES版本7.6.1，IK版本7.6.1）

　　2、在es目录中的plugins目录，新建目录ik

　　　　命令：mkdir plugins/ik

　　3、介绍ik分词器下载包，到plugins/ik目录

　　　　命令：unzip -d /data/soft/elasticsearch-7.6.1/plugins/ik elasticsearch-analysis-ik-7.6.1.zip

4、重新es

　　　　查看java进程：jps

　　　　关闭es：kill (pid)

　　　　后台启动es： ./bin/elasticsearch -d

测试IK分词器

　　示例：

                                                                                            1 POST /_analyze
23{
4"analyzer": "ik_max_word",
5"text": "我是中国人"6 }

　　效果如下：

技术分享图片

　　可以看到，已经对中文进行了分词。

 

原文：https://www.cnblogs.com/h--d/p/13112117.html

内容总结

以上是互联网集市为您收集整理的【ElasticSearch】 中文分词器-IK分词器（六）全部内容，希望文章能够帮你解决【ElasticSearch】 中文分词器-IK分词器（六）所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1285467.html

来源：【匿名】