Elasticsearch Word Segmentation

本文涉及的产品
Elasticsearch Serverless通用抵扣包,测试体验金 200元
简介: 对于倒排索引来说,很重要的一件事情就是需要对文本进行分词,经过分词可以获取情感、词性、质性、词频等等的数据。

> 对于倒排索引来说,很重要的一件事情就是需要对文本进行分词,经过分词可以获取情感、词性、质性、词频等等的数据。


#### Elasticsearch 分词工作原理

在 Elasticsearch 中进行行分词的需要经过分析器的3个模块,字符过滤器将文本进行替换或者删除,在由分词器进行拆分成单词,最后由Token过滤器将一些无用语气助词删掉。

image.jpeg


#### 英文分词

在Elasticsearch 中共支持5种不同的分词模式,在不同的场景下发挥不同的效果。


##### standard (过滤标点符号)

GET/_analyze{
"analyzer": "standard",
"text": "The programmer's holiday is 1024!"}

image.jpeg

##### simple (过滤数字和标点符号)

GET/_analyze{
"analyzer": "simple",
"text": "The programmer's holiday is 1024!"}

image.jpeg

##### whitespace (不过滤,按照空格分隔)

GET/_analyze{
"analyzer": "whitespace",
"text": "The programmer's holiday is 1024!"}

image.jpeg

##### stop (过滤停顿单词及标点符号,例如is are等等)

GET/_analyze{
"analyzer": "stop",
"text": "The programmer's holiday is 1024!"}

image.jpeg

##### keyword (视为一个整体不进行任何处理)

GET /_analyze

{
"analyzer": "keyword",
"text": "The programmer's holiday is 1024!"}

image.jpeg


#### 中文分词

因为 Elasticsearch 默认的分词器只能按照单字进行拆分,无法具体分析其语意等,所以我们使用 analysis-icu 来代替默认的分词器。

GET/_analyze{
"analyzer": "icu_analyzer",
"text": "南京市长江大桥"}

image.jpeg


通过命令``./bin/elasticsearch-plugin install analysis-icu``进行安装

image.jpeg


GET/_analyze{
"analyzer": "icu_analyzer",
"text": "南京市长江大桥"}

image.jpeg


##### 其他的中文分词器

支持中文分词和词性标注功能

elasticsearch-thulac-plugin

https://github.com/microbun/elasticsearch-thulac-plugin


支持热更新分词字典及自定义词库

elasticsearch-analysis-ik

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


wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.9.2/elasticsearch-analysis-ik-7.9.2.zip

mkdir analysis-ik

unzip -d  analysis-ik elasticsearch-analysis-ik-7.9.2.zip


##### 分词实验

# 先删除原先数据,避免影响实验DELETEicuDELETEik
# 建立 ICU 的 IndexPUTicu{
"settings" : {
"number_of_shards" : 1,
"number_of_replicas": 1  },
"mappings" : {
"properties" : {
"description" : { 
"type" : "text",
"analyzer": "icu_analyzer",
"search_analyzer": "icu_analyzer"      }
    }
  }
}

 

# 建立 IK 的 IndexPUTik{
"settings" : {
"number_of_shards" : 1,
"number_of_replicas": 1  },
"mappings" : {
"properties" : {
"description" : { 
"type" : "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"      }
    }
  }
}


# 批量接口提交测试数据POST_bulk{ "index": {"_index":"ik" }}
{"description":"CHINKIANG VINEGAR·GOLD PLUM··12PC·金梅鎮江醋"}
{ "index": {"_index":"ik" }}
{"description":"5YEAR MATUREVINEGAR·SHUITA··24PC·山西五年老陳醋"}
{ "index": {"_index":"ik" }}
{"description":"RED VINEGAR·KOON CHUN··12PC·冠珍大紅浙醋"}
{ "index": {"_index":"ik" }}
{"description":"VINEGAR SEASONING·FUJI··5.28GAL·富士白醋"}
{ "index": {"_index":"ik" }}
{"description":"WHITE VINEGAR·FOUR IN ONE··4PC·四合醋"}
{ "index": {"_index":"ik" }}
{"description":"WHITE VINEGAR·HEAVENLY CHEF··4PC·天廚白醋"}
{ "index": {"_index":"ik" }}
{"description":"CHINKIANG VINEGAR··'24414·24PC·恒順鎮江醋"}
{ "index": {"_index":"ik" }}
{"description":"3YEAR MATUREVINEGAR·SHUITA··24PC·山西三年老陳醋"}
{ "index": {"_index":"ik" }}
{"description":"RICE VINEGAR·KONG YEN·'23709·4PC·工研白醋"}
{ "index": {"_index":"ik" }}
{"description":"CHINKIANG VINEGAR··'24421·24PC·金山鎮江醋"}
{ "index": {"_index":"ik" }}
{"description":"WHITE VINEGAR·CHAMPION··4PC·醋"}
{ "index": {"_index":"ik" }}
{"description":"BLACK VINEGAR·KONG YEN·'23707·4PC·工研烏醋"}
{ "index": {"_index":"ik" }}
{"description":"WHITE VINEGAR·GOLDEN STATE·<50GR>·4PC·醋"}
{ "index": {"_index":"ik" }}
{"description":"WHITE VINEGAR·ACCLAIM··4PC·醋"}
{ "index": {"_index":"ik" }}
{"description":"WHITE VINEGAR·GOLDEN STATE·<100GR>·4PC·醋"}
{ "index": {"_index":"ik" }}
{"description":"RICE VINEGAR·KONG YEN··24PCX10OZ·工研米醋"}
{ "index": {"_index":"ik" }}
{"description":"WHITE VINEGAR·ACCLAIM··12PCX32OZ·醋"}



POSTicu/_search{
"query" : { 
"match" : { 
"description" : "老陳醋"    }
  }
}

image.jpeg

POSTik/_search{
"query" : { 
"match" : { 
"description" : "老陳醋"    }
  }

}

image.jpeg




GET/_analyze{
"analyzer": "icu_analyzer",
"text": "老陳醋"}

image.jpeg


GET/_analyze{
"analyzer": "ik_smart",
"text": "老陳醋"}

image.jpeg


相关实践学习
以电商场景为例搭建AI语义搜索应用
本实验旨在通过阿里云Elasticsearch结合阿里云搜索开发工作台AI模型服务,构建一个高效、精准的语义搜索系统,模拟电商场景,深入理解AI搜索技术原理并掌握其实现过程。
ElasticSearch 最新快速入门教程
本课程由千锋教育提供。全文搜索的需求非常大。而开源的解决办法Elasricsearch(Elastic)就是一个非常好的工具。目前是全文搜索引擎的首选。本系列教程由浅入深讲解了在CentOS7系统下如何搭建ElasticSearch,如何使用Kibana实现各种方式的搜索并详细分析了搜索的原理,最后讲解了在Java应用中如何集成ElasticSearch并实现搜索。 &nbsp;
目录
相关文章
|
Java 索引
SpringBoot2.3.x整合ElasticSearch7.6.2 实现PDF,WORD全文检索
本文使用SpringBoot2.3.x + ElasticSearch7.6.2 实现对PDF,WORD进行全文检索 实现了对文件内容快速搜索
1559 0
SpringBoot2.3.x整合ElasticSearch7.6.2 实现PDF,WORD全文检索
|
JSON 自然语言处理 数据可视化
如何用Elasticsearch实现Word、PDF,TXT文件的全文内容检索?
如何用Elasticsearch实现Word、PDF,TXT文件的全文内容检索?
如何用Elasticsearch实现Word、PDF,TXT文件的全文内容检索?
|
6月前
|
JSON 安全 数据可视化
Elasticsearch(es)在Windows系统上的安装与部署(含Kibana)
Kibana 是 Elastic Stack(原 ELK Stack)中的核心数据可视化工具,主要与 Elasticsearch 配合使用,提供强大的数据探索、分析和展示功能。elasticsearch安装在windows上一般是zip文件,解压到对应目录。文件,elasticsearch8.x以上版本是自动开启安全认证的。kibana安装在windows上一般是zip文件,解压到对应目录。elasticsearch的默认端口是9200,访问。默认用户是elastic,密码需要重置。
3243 0
|
7月前
|
安全 Java Linux
Linux安装Elasticsearch详细教程
Linux安装Elasticsearch详细教程
1246 1
|
存储 安全 数据管理
如何在 Rocky Linux 8 上安装和配置 Elasticsearch
本文详细介绍了在 Rocky Linux 8 上安装和配置 Elasticsearch 的步骤,包括添加仓库、安装 Elasticsearch、配置文件修改、设置内存和文件描述符、启动和验证 Elasticsearch,以及常见问题的解决方法。通过这些步骤,你可以快速搭建起这个强大的分布式搜索和分析引擎。
455 5
|
NoSQL 关系型数据库 Redis
mall在linux环境下的部署(基于Docker容器),Docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongo
mall在linux环境下的部署(基于Docker容器),docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongodb、minio详细教程,拉取镜像、运行容器
mall在linux环境下的部署(基于Docker容器),Docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongo
|
存储 JSON Java
elasticsearch学习一:了解 ES,版本之间的对应。安装elasticsearch,kibana,head插件、elasticsearch-ik分词器。
这篇文章是关于Elasticsearch的学习指南,包括了解Elasticsearch、版本对应、安装运行Elasticsearch和Kibana、安装head插件和elasticsearch-ik分词器的步骤。
1210 0
elasticsearch学习一:了解 ES,版本之间的对应。安装elasticsearch,kibana,head插件、elasticsearch-ik分词器。
|
数据可视化 Docker 容器
一文教会你如何通过Docker安装elasticsearch和kibana 【详细过程+图解】
这篇文章提供了通过Docker安装Elasticsearch和Kibana的详细过程和图解,包括下载镜像、创建和启动容器、处理可能遇到的启动失败情况(如权限不足和配置文件错误)、测试Elasticsearch和Kibana的连接,以及解决空间不足的问题。文章还特别指出了配置文件中空格的重要性以及环境变量中字母大小写的问题。
一文教会你如何通过Docker安装elasticsearch和kibana 【详细过程+图解】
|
Docker 容器
docker desktop安装es并连接elasticsearch-head:5
以上就是在Docker Desktop上安装Elasticsearch并连接Elasticsearch-head:5的步骤。
635 2
|
Linux Python
【Elasticsearch】linux使用supervisor常驻Elasticsearch,centos6.10安装 supervisor
【Elasticsearch】linux使用supervisor常驻Elasticsearch,centos6.10安装 supervisor
159 3