Elasticsearch edge_ngram token_chars пробельные символы - PullRequest
Новая
       9

Elasticsearch edge_ngram token_chars пробельные символы

0 голосов
/ 08 января 2019

Может кто-нибудь сказать мне, пожалуйста, как работает Elasticsearch edge_ngram token_chars whitespace ? Token_chars должен определять знаки, которые будут включены в токены. Итак, если я использую token_chars: ['letter', 'digit', 'whitespace'], что это означает в контексте фразы "2 красных лисицы"? Насколько я понимаю, он будет выдавать токены таким образом ['2', '2', '2 r', '2 re', '2 red'] . Я прав, что токены не разбиты на пробелы, но пробелы будут включены в токены? Спасибо.

1 Ответ

0 голосов
/ 08 января 2019

В целом вы правы, но это также зависит от значений параметров min_gram и max_gram.

Посмотрите ниже.

Пример 1.

min_gram = 2 и max_gram = 10

Отображение 

PUT /so54090009
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "my_tokenizer"
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "edge_ngram",
          "min_gram": 2,
          "max_gram": 10,
          "token_chars": [
            "letter",
            "digit",
            "whitespace"
          ]
        }
      }
    }
  }
}

Анализ 

POST /so54090009/_analyze
{
  "analyzer": "my_analyzer",
  "text": "2 red foxes"
}

Ответ 

{
  "tokens": [
    {
      "token": "2 ",
      "start_offset": 0,
      "end_offset": 2,
      "type": "word",
      "position": 0
    },
    {
      "token": "2 r",
      "start_offset": 0,
      "end_offset": 3,
      "type": "word",
      "position": 1
    },
    {
      "token": "2 re",
      "start_offset": 0,
      "end_offset": 4,
      "type": "word",
      "position": 2
    },
    {
      "token": "2 red",
      "start_offset": 0,
      "end_offset": 5,
      "type": "word",
      "position": 3
    },
    {
      "token": "2 red ",
      "start_offset": 0,
      "end_offset": 6,
      "type": "word",
      "position": 4
    },
    {
      "token": "2 red f",
      "start_offset": 0,
      "end_offset": 7,
      "type": "word",
      "position": 5
    },
    {
      "token": "2 red fo",
      "start_offset": 0,
      "end_offset": 8,
      "type": "word",
      "position": 6
    },
    {
      "token": "2 red fox",
      "start_offset": 0,
      "end_offset": 9,
      "type": "word",
      "position": 7
    },
    {
      "token": "2 red foxe",
      "start_offset": 0,
      "end_offset": 10,
      "type": "word",
      "position": 8
    }
  ]
}

Пример 2.

min_gram = 1 и max_gram = 5

Отображение 

PUT /so54090009
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "my_tokenizer"
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "edge_ngram",
          "min_gram": 1,
          "max_gram": 5,
          "token_chars": [
            "letter",
            "digit",
            "whitespace"
          ]
        }
      }
    }
  }
}

Анализ 

POST /so54090009/_analyze
{
  "analyzer": "my_analyzer",
  "text": "2 red foxes"
}

Ответ 

{
  "tokens": [
    {
      "token": "2",
      "start_offset": 0,
      "end_offset": 1,
      "type": "word",
      "position": 0
    },
    {
      "token": "2 ",
      "start_offset": 0,
      "end_offset": 2,
      "type": "word",
      "position": 1
    },
    {
      "token": "2 r",
      "start_offset": 0,
      "end_offset": 3,
      "type": "word",
      "position": 2
    },
    {
      "token": "2 re",
      "start_offset": 0,
      "end_offset": 4,
      "type": "word",
      "position": 3
    },
    {
      "token": "2 red",
      "start_offset": 0,
      "end_offset": 5,
      "type": "word",
      "position": 4
    }
  ]
}
...