首页 > 其他 > 详细

41.分词器简单介绍

时间:2018-02-25 18:51:55      阅读:260      评论:0      收藏:0      [点我收藏+]

主要知识点

   

1、什么是分词器

分词器就是把一个文档切分成词语,也就是es中所做的normalization(提升recall召回率)

recall,召回率:搜索的时候,增加能够搜索到的结果的数量。

经过分词器分词之后,es才能建立倒排索引

2、内置分词器的介绍

es内置种分词器,他们分别是、standard analyzersimple analyzerwhitespace analyzerlanguage analyzer。所以如果是中文还要程序员自动手动安装中文分词器

假设有如下一段话:

Set the shape to semi-transparent by calling set_trans(5)

   

  • standard analyzer:结果是 set, the, shape, to, semi, transparent, by, calling, set_trans, 5(默认的是standard
  • simple analyzer:结果是 set, the, shape, to, semi, transparent, by, calling, set, trans
  • whitespace analyzer:结果是 Set, the, shape, to, semi-transparent, by, calling, set_trans(5)
  • language analyzer(特定的语言的分词器,比如说,english,英语分词器):结果是 set, shape, semi, transpar, call, set_tran, 5

3、其他说明

Elasticsearch中,内置了很多分词器(analyzers),例如standard (标准分词器)、english(英文分词)和chinese (中文分词)。其中standard 就是无脑的一个一个词(汉字)切分,所以适用范围广,但是精准度低;english 对英文更加智能,可以识别单数负数,大小写,过滤stopwords(例如"the"这个词)等;chinese 效果很差,后面会演示。这次主要玩这几个内容:安装中文分词ik,对比不同分词器的效果,得出一个较佳的配置。关于Elasticsearch,两篇很有用的文章:Elasticsearch的安装,运行和基本配置 和 备份和恢复,需要的可以看下。

   

   

41.分词器简单介绍

原文:https://www.cnblogs.com/liuqianli/p/8469682.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!