搜索引擎ElasticSearch系列(五): ElasticSearch2.4.4 IK中文分词器插件安装

一:IK分词器简介

   IK Analyzer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4个大版本。最初,它是以开源项目Luence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。从3.0版本开 始,IK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。在2012版本中,IK实现了简单的分词 歧义排除算法,标志着IK分词器从单纯的词典分词向模拟语义分词衍化。

IK Analyzer 2012特性:

1.采用了特有的“正向迭代最细粒度切分算法“,支持细粒度和智能分词两种切分模式;

2.在系统环境:Core2 i7 3.4G双核,4G内存,window 7 64位, Sun JDK 1.6_29 64位 普通pc环境测试,IK2012具有160万字/秒(3000KB/S)的高速处理能力。

3.2012版本的智能分词模式支持简单的分词排歧义处理和数量词合并输出。

4.采用了多子处理器分析模式,支持:英文字母、数字、中文词汇等分词处理,兼容韩文、日文字符

5.优化的词典存储,更小的内存占用。支持用户词典扩展定义。特别的,在2012版本,词典支持中文,英文,数字混合词语。

二:默认standard分词器测试

  1)启动es服务

  2)打开浏览器输入:   http://localhost:9200/_analyze?analyzer=standard&pretty=true&text=中华人民共和国

    

  我们可以看到 “中华人民共和国” 被分成了单个汉字。

三:Ik中文分词器安装

  插件下载: https://github.com/medcl/elasticsearch-analysis-ik

  我们以1.10.4版本为例: https://files.cnblogs.com/files/sunyj/elasticsearch-analysis-ik-1.10.4.zip

  1)在plugins文件夹下建ik文件夹

  2)把下载的ik安装包解压后放到ik文件夹里,如下图:

  

  3)重新启动es服务

  4)打开浏览器输入:http://localhost:9200/_analyze?analyzer=ik&pretty=true&text=中华人民共和国

    

  

  我们可以看到用analyzer=ik “中华人民共和国”被按中文的习惯分成了多个词组

  Tips:

  我们再分别输入:

   http://localhost:9200/_analyze?analyzer=ik_max_word&pretty=true&text=中华人民共和国国歌

   http://localhost:9200/_analyze?analyzer=ik_smart&pretty=true&text=中华人民共和国国歌

  

  ik_max_word: 会将文本做最细粒度的拆分,比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”,会穷尽各种可能的组合;

  ik_smart: 会做最粗粒度的拆分,比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。

四:Ik在索引中的使用

  新建index索引

  

PUT index
{
    "settings": {
        "number_of_shards": 5
    },
    "mappings": {
        "fulltext": {
            "_all": {
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word",
                "term_vector": "no",
                "store": "false"
            },
            "properties": {
                "content": {
                    "type": "string",
                    "analyzer": "ik_max_word",
                    "search_analyzer": "ik_max_word",
                    "include_in_all": "true",
                    "boost": 8
                }
            }
        }
    }
}

  插入一条数据 

PUT /index/fulltext/1
{"content":"美国留给伊拉克的是个烂摊子吗"}

  查询测试,输入

POST /index/fulltext/_search
{
    "query": {
        "match": {
            "content": "美国"
        }
    },
    "highlight": {
        "pre_tags": [
            "<tag1>",
            "<tag2>"
        ],
        "post_tags": [
            "</tag1>",
            "</tag2>"
        ],
        "fields": {
            "content": {}
        }
    }
}

  结果如图所示:

  

 

posted @ 2017-06-14 18:06  青春岁月,无怨无悔  阅读(1219)  评论(0编辑  收藏  举报