zoukankan      html  css  js  c++  java
  • (06)ElasticSearch 分词器介绍及安装中文分词器

    分词器作用是分词,即从一串文本中切分出一个个的单词(词条),并对每个词条进行标准化处理(大小写、单复数、同义词等转换)。分词器包括3部分:

      1、character filter:分词之前的预处理,过滤掉html标签,特殊符号转换等。

      2、tokenizer:分词,

      3、token filter:标准化

    ElasticSearch内置分词器:

      1、standard分词器:(默认分词器)它会将词汇单元转换成小写形式,并除去停用词(a、an、the等)和标点符号,支持中文采用的方法为单字切分。

      2、simple分词器:首先会通过非字母字符来分割文本信息,然后将词汇单元统一成小写形式,该分词器会去掉数据类型的字符。

      3、Whitespace分词器:仅仅是去掉空格,对字符没有lowcase化,不支持中文;并且不对生成的词汇单元进行其他的标准化处理。

      4、language分词器:特定语言的分词器,不支持中文

    安装中文分词器:

      1、下载中文分词器

      我的elasticsearch版本是6.2.4,下载对应版本的中文分词器,地址https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v6.2.4

      2、将elasticsearch-analysis-ik-6.2.4.zip复制到elasticsearch安装目录下并解压

        mkdir /usr/local/elasticsearch-6.2.4/plugins/ik

        cp /usr/local/src/elasticsearch-analysis-ik-6.2.4.zip /usr/local/elasticsearch-6.2.4/plugins/ik/

        unzip /usr/local/elasticsearch-6.2.4/plugins/ik/elasticsearch-analysis-ik-6.2.4.zip 

        mv /usr/local/elasticsearch-6.2.4/plugins/ik/elasticsearch/* /usr/local/elasticsearch-6.2.4/plugins/ik

        rm -rf /usr/local/elasticsearch-6.2.4/plugins/ik/elasticsearch

        rm -rf /usr/local/elasticsearch-6.2.4/plugins/ik/elasticsearch-analysis-ik-6.2.4.zip

      最后ik下面的文件如下:

      中文分词器安装完成,启动elasticsearch查看是否安装成功,切换到esuser用户

      /usr/local/elasticsearch-6.2.4/bin/elasticsearch 如果出现下图标记部分,说明中文分词插件加载成功 

      

  • 相关阅读:
    J2EE学习笔记:Filter
    J2EE学习笔记:HTTP协议
    J2EE学习笔记:JSP
    Hibernate 笔记(二) 数据关系
    top命令总结
    让gdb能打印C++中的容器类型
    ps命令注意事项
    自己动手写一个自动登录脚本gg
    request 中url拼接排序参数与签名算法
    python3.7 AES.MODE_ECB(128位) pkcs5padding 加密算法
  • 原文地址:https://www.cnblogs.com/javasl/p/11405350.html
Copyright © 2011-2022 走看看