码迷,mamicode.com
首页 > 其他好文 > 详细

IK 分词器和ElasticSearch集成使用

时间:2020-02-26 18:50:38      阅读:82      评论:0      收藏:0      [点我收藏+]

标签:mic   16px   轻量   png   扩展   apache   https   article   云计   

一、IK分词器简介

  IKAnalyzer是一个开源的,基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始,IKAnalyzer已经推出 了3个大版本。最初,它是以开源项目Lucene为应用主体的,结合词典分词和文法分析算法的中文分词组件。新版本的IKAnalyzer3.0则发展为 面向Java的公用分词组件,独立于Lucene项目,同时提供了对Lucene的默认优化实现。
  IK分词器3.0的特性如下:
    1)采用了特有的“正向迭代最细粒度切分算法“,具有60万字/秒的高速处理能力。
    2)采用了多子处理器分析模式,支持:英文字母(IP地址、Email、URL)、数字(日期,常用中文数量词,罗马数字,科学计数法),中文词汇(姓名、地名处理)等分词处理。
    3)对中英联合支持不是很好,在这方面的处理比较麻烦.需再做一次查询,同时是支持个人词条的优化的词典存储,更小的内存占用。     4)支持用户词典扩展定义。
    5)针对Lucene全文检索优化的查询分析器IKQueryParser;采用歧义分析算法优化查询关键字的搜索排列组合,能极大的提高Lucene检索的命中率。

二、ElasticSearch集成IK分词器

1、IK分词器的安装

  下载地址:https://github.com/medcl/elasticsearch-analysis-ik/releases
  技术图片

2、解压,将解压后的elasticsearch文件夹拷贝到elasticsearch-5.6.8\plugins下,并重命名文件夹为analysis-ik

  技术图片

 3、重新启动ElasticSearch,即可加载IK分词器

  技术图片

4、IK分词器测试

  IK提供了两个分词算法ik_smart 和 ik_max_word
  其中 ik_smart 为最小切分,ik_max_word为最细粒度划分

  1)最小切分:在浏览器地址栏输入地址

http://127.0.0.1:9200/_analyze?analyzer=ik_smart&pretty=true&text=我是程序员 
  输出的结果为:

    技术图片  

  2)最细切分:在浏览器地址栏输入地址

http://127.0.0.1:9200/_analyze?analyzer=ik_max_word&pretty=true&text=我是程序员

  输出的结果为:

    技术图片

三、修改索引映射mapping 

1、删除原有es_test01索引 

   请求:DELETE    http://localhost:9200/es_test01

  技术图片

2、创建es_test01索引,此时分词器使用ik_max_word 

  请求:PUT    http://localhost:9200/es_test01

  技术图片

  请求体:

{
    "mappings": { 
        "article": { 
            "properties": { 
                "id": { 
                    "type": "long", 
                    "store": true, 
                    "index":"not_analyzed" 
                },
                "title": { 
                    "type": "text", 
                    "store": true, 
                    "index":"analyzed", 
                    "analyzer":"ik_max_word"
                },
                "content": { 
                    "type": "text", 
                    "store": true, 
                    "index":"analyzed", 
                    "analyzer":"ik_max_word" 
                }
            } 
        } 
    }
}

3、创建文档 

  请求:PUT    http://localhost:9200/es_test01/article/1

  技术图片

  请求体:

{
    "id":1, 
    "title":"ElasticSearch是一个基于Lucene的搜索服务器", "content":"它提供了一个分布式多用户能力的全文搜索引擎,基于RESTfulweb接口。
    Elasticsearch是用Java 开发的,并作为Apache许可条款下的开放源码发布,是当前流行的企业级搜索引擎。设计用于云计算中,能够达到实时 
    搜索,稳定,可靠,快速,安装使用方便。"
}

4、再次测试queryString查询 

  请求:POST    http://localhost:9200/es_test01/article/_search

  技术图片

  请求体:

{
    "query": { 
        "query_string": { 
            "default_field": "title", 
            "query": "搜索服务器" 
        } 
    }
}

  返回结果:

  技术图片

5、将请求体搜索字符串修改为"钢索",再次查询

  技术图片

 6、再次测试term测试 

  请求:POST    http://localhost:9200/es_test01/article/_search

   技术图片

   请求体:

{
   "query": { 
        "term": { 
            "title": "搜索" 
        } 
    }
}

  返回结果:

  技术图片

 

 

IK 分词器和ElasticSearch集成使用

标签:mic   16px   轻量   png   扩展   apache   https   article   云计   

原文地址:https://www.cnblogs.com/Zzzzn/p/12368216.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!