码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • 给Elasticsearch-ik分词器添加额外的分词字典


    默认分词

    可以看到 马拉巴尔 被拆分了

    GET /news/_analyze
    {
      "text":"四国联盟将在澳大利亚举行“马拉巴尔2023”演习",
      "analyzer": "ik_max_word"
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    ...
    {
          "token" : "马拉",
          "start_offset" : 13,
          "end_offset" : 15,
          "type" : "CN_WORD",
          "position" : 9
        },
        {
          "token" : "拉巴",
          "start_offset" : 14,
          "end_offset" : 16,
          "type" : "CN_WORD",
          "position" : 10
        },
        {
          "token" : "尔",
          "start_offset" : 16,
          "end_offset" : 17,
          "type" : "CN_CHAR",
          "position" : 11
        },
    ...
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23

    添加自定义字典

    vim ./plugins/ik/config/custom/location.dic
    在 location.dic 中添加马拉巴尔以及其它自定义分词

    vim ./plugins/ik/config/IKAnalyzer.cfg.xml
    在IKAnalyzer.cfg.xml中引用自定义字典

    
    DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
    <properties>
            <comment>IK Analyzer 扩展配置comment>
            
            <entry key="ext_dict">custom/location.dicentry>
             
            <entry key="ext_stopwords">entry>
            
            
            
            
    properties>
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13

    最终结果:

    {
          "token" : "马拉巴尔",
          "start_offset" : 13,
          "end_offset" : 17,
          "type" : "CN_WORD",
          "position" : 9
        },
        {
          "token" : "马拉",
          "start_offset" : 13,
          "end_offset" : 15,
          "type" : "CN_WORD",
          "position" : 10
        },
        {
          "token" : "拉巴",
          "start_offset" : 14,
          "end_offset" : 16,
          "type" : "CN_WORD",
          "position" : 11
        },
        {
          "token" : "尔",
          "start_offset" : 16,
          "end_offset" : 17,
          "type" : "CN_CHAR",
          "position" : 12
        }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28

    注意:添加自定义分词字典后需要重建索引,或者更新相关数据

  • 相关阅读:
    记录一下:我的py文件在e盘,打印出来的工作目录在c盘呢
    [附源码]计算机毕业设计springboot影评网站系统
    什么是葡萄酒酿造工艺中的“冷浸渍”?
    封装、继承、多态的概念和其中的区别
    视频转换器WinX HD Video Converter mac中文特点介绍
    SQLite的DBSTAT 虚拟表(三十六)
    理解Linux系统:进程信号的概念,产生,保存,处理
    56资源网系统源码搭建知识付费-含源码
    SQL Server2019配置always on高可用图文步骤
    MWM触摸屏工控机维修TEM-EV0 EN00-Z312yy-xx
  • 原文地址:https://blog.csdn.net/this_is_id/article/details/134404309
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号