欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

白话Elasticsearch28-IK中文分词器的安装和使用

程序员文章站 2022-07-12 13:42:31
...


白话Elasticsearch28-IK中文分词器的安装和使用


概述

之前大家会发现,我们全部是用英文在学习,其实我们更习惯用中文做搜索。

英文默认的standard分词器没有办法对中文进行合理分词的,只是将每个中文字符一个一个的切割开来,比如说中国人 --> 中 国 人

在搜索引擎领域,比较成熟和流行的,就是ik分词器

举个简单的例子: 中国人很喜欢吃油条,不全,但是意思已经表达的很清楚了。

standard:中  国  人  很  喜  欢  吃  油  条
ik:中国人   很   喜欢    吃    油条

Github

https://github.com/medcl/elasticsearch-analysis-ik

IK安装

根据github上的指导

白话Elasticsearch28-IK中文分词器的安装和使用

第一种安装方法:

白话Elasticsearch28-IK中文分词器的安装和使用

  • 重启es

ik分词器基础知识

ik有两种analyzer,可根据自己的需要自己选择,但是一般是选用ik_max_word


ik_max_word

ik_max_word: 会将文本做最细粒度的拆分,比如会将“*国歌”拆分为“*,中华人民,中华,华人,人民*,人民,人,民,*,共和,和,国国,国歌”,会穷尽各种可能的组合;


ik_smart

ik_smart: 会做最粗粒度的拆分,比如会将“*国歌”拆分为“*,国歌”。 比如这个时候搜索“*” --> *和国歌,搜到吗???? 显然不能搜索的到。 根据场景合理选择。


验证ik分词器

新建个索引

PUT /artisan 
{
  "mappings": {
    "my_type": {
      "properties": {
        "text": {
          "type": "text",
          "analyzer": "ik_max_word"
        }
      }
    }
  }
}

查看分词

GET /artisan/_analyze
{
  "text": "小工匠跟中华石杉老师学习分布式搜索引擎elasticsearch",
  "analyzer": "ik_max_word"
}

返回

{
  "tokens": [
    {
      "token": "小工",
      "start_offset": 0,
      "end_offset": 2,
      "type": "CN_WORD",
      "position": 0
    },
    {
      "token": "工匠",
      "start_offset": 1,
      "end_offset": 3,
      "type": "CN_WORD",
      "position": 1
    },
    {
      "token": "跟",
      "start_offset": 3,
      "end_offset": 4,
      "type": "CN_CHAR",
      "position": 2
    },
    {
      "token": "中华",
      "start_offset": 4,
      "end_offset": 6,
      "type": "CN_WORD",
      "position": 3
    },
    {
      "token": "石",
      "start_offset": 6,
      "end_offset": 7,
      "type": "CN_CHAR",
      "position": 4
    },
    {
      "token": "杉",
      "start_offset": 7,
      "end_offset": 8,
      "type": "CN_CHAR",
      "position": 5
    },
    {
      "token": "老师",
      "start_offset": 8,
      "end_offset": 10,
      "type": "CN_WORD",
      "position": 6
    },
    {
      "token": "学习",
      "start_offset": 10,
      "end_offset": 12,
      "type": "CN_WORD",
      "position": 7
    },
    {
      "token": "分布式",
      "start_offset": 12,
      "end_offset": 15,
      "type": "CN_WORD",
      "position": 8
    },
    {
      "token": "分布",
      "start_offset": 12,
      "end_offset": 14,
      "type": "CN_WORD",
      "position": 9
    },
    {
      "token": "式",
      "start_offset": 14,
      "end_offset": 15,
      "type": "CN_CHAR",
      "position": 10
    },
    {
      "token": "搜索引擎",
      "start_offset": 15,
      "end_offset": 19,
      "type": "CN_WORD",
      "position": 11
    },
    {
      "token": "搜索",
      "start_offset": 15,
      "end_offset": 17,
      "type": "CN_WORD",
      "position": 12
    },
    {
      "token": "索引",
      "start_offset": 16,
      "end_offset": 18,
      "type": "CN_WORD",
      "position": 13
    },
    {
      "token": "引擎",
      "start_offset": 17,
      "end_offset": 19,
      "type": "CN_WORD",
      "position": 14
    },
    {
      "token": "elasticsearch",
      "start_offset": 19,
      "end_offset": 32,
      "type": "ENGLISH",
      "position": 15
    }
  ]
}

说明ik分词器 安装成功 。


示例

造点数据

POST /artisan/my_type/_bulk
{ "index": { "_id": "1"} }
{ "text": "男子偷上万元发红包求交女友 被抓获时仍然单身" }
{ "index": { "_id": "2"} }
{ "text": "16岁少女为结婚“变”22岁 7年后想离婚被法院拒绝" }
{ "index": { "_id": "3"} }
{ "text": "深圳女孩骑车逆行撞奔驰 遭索赔被吓哭(图)" }
{ "index": { "_id": "4"} }
{ "text": "女人对护肤品比对男票好?网友神怼" }
{ "index": { "_id": "5"} }
{ "text": "为什么国内的街道招牌用的都是红黄配?" }

查询

GET /artisan/my_type/_search 
{
  "query": {
    "match": {
      "text": "16岁少女结婚好还是单身好?"
    }
  }
}

返回

{
  "took": 50,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 3,
    "max_score": 2.8514345,
    "hits": [
      {
        "_index": "artisan",
        "_type": "my_type",
        "_id": "2",
        "_score": 2.8514345,
        "_source": {
          "text": "16岁少女为结婚“变”22岁 7年后想离婚被法院拒绝"
        }
      },
      {
        "_index": "artisan",
        "_type": "my_type",
        "_id": "4",
        "_score": 1.4914938,
        "_source": {
          "text": "女人对护肤品比对男票好?网友神怼"
        }
      },
      {
        "_index": "artisan",
        "_type": "my_type",
        "_id": "1",
        "_score": 0.2876821,
        "_source": {
          "text": "男子偷上万元发红包求交女友 被抓获时仍然单身"
        }
      }
    ]
  }
}
相关标签: ik分词器