zoukankan      html  css  js  c++  java
  • 30.IK分词器配置文件讲解以及自定义词库

    主要知识点:

    • 知道IK默认的配置文件信息
    • 自定义词库

       

    一、ik配置文件

       

    ik配置文件地址:es/plugins/ik/config目录

       

    IKAnalyzer.cfg.xml:用来配置自定义词库

    main.dicik原生内置的中文词库,总共有27万多条,只要是这些单词,都会被分在一起

    quantifier.dic:放了一些单位相关的词

    suffix.dic:放了一些后缀

    surname.dic:中国的姓氏

    stopword.dic:英文停用词

       

    ik原生最重要的两个配置文件

       

    main.dic:包含了原生的中文词语,会按照这个里面的词语去分词

    stopword.dic:包含了英文的停用词

       

    停用词(stopword)是指如 a the 等这样的对于搜索无意义的单词,停用词,会在分词的时候,直接被排除掉,也就是说不会建立在倒排索引中

       

    二、自定义词库

       

    1、自己建立词库:每年都会涌现一些特殊的流行词,如网红,蓝瘦香菇,喊麦,鬼畜,一般不会在ik的原生词典里,这时就需要自己补充自己的最新的词语,到ik的词库里面去。分下面两步

    • IKAnalyzer.cfg.xml进行配制文件地址,一般不会更改,就按IKAnalyzer.cfg.xml里面的要求建立文件夹和文件就行
    • 在对应的文件中加入自已的词语,一般在custom/mydict.dic里进行增加主要词
    • 然后需要重启es,才能生效

       

    2、自己建立停用词库:比如了,的,啥,么,我们可能并不想去建立索引

    步骤和上面一样,只是在custom/ext_stopword.dic中进行增加。

  • 相关阅读:
    day3:python测试题
    day4:Python列表(list)元组( tuple)字典(dict)
    day3:python运算符及数据类型(str)(int)
    2day:Python基础
    1day:了解python
    centos下安装storm
    Linux下添加,删除,修改,查看用户和用户组
    svn默认地址老发生改变,记下默认路径
    hive 遇到的问题及解决方法
    hadoop2.5.2 安装与部署
  • 原文地址:https://www.cnblogs.com/liuqianli/p/8531134.html
Copyright © 2011-2022 走看看