配置 IK Analyzer 词库

配置词库

当IK 自身带的词库不满足需求时,用户可以自己定义词库,步骤如下:

  • 用户把编辑好的词库放到一个http服务器上。
  • 用户在es里配置ik词库的http地址,比如我们的词的配置文件是baidu.dict,停用词的配置文件是baidu_stop.dic时,我们向es发送的命令如下:
PUT /_cluster/settings
    {
        "persistent": {
            "bpack.ik_analyzer.remote_ext_dict":"http://ip:port/baidu.dic",
            "bpack.ik_analyzer.remote_ext_stopwords":"http://ip:port/baidu_stop.dic"
        }
    }
  • es会每隔60s检测一下setting中http url指向的词库文件是否发生变化,如果变化了,那么es就会自动下载这个文件,然后加载到ik中。

验证词库是否生效

当配置好后,用户可以通过API POST /_analyze 来检测词库是否生效,比如:

  • 在没有配置词库之前,我们发送命令
POST /_analyze
    {
      "analyzer" : "ik_smart",
      "text" : ["赵小明明真帅"]
    }

es 的返回结果是:

{
       "tokens": [
          {
             "token": "赵",
             "start_offset": 0,
             "end_offset": 1,
             "type": "CN_WORD",
             "position": 0
          },
          {
             "token": "小明",
             "start_offset": 1,
             "end_offset": 3,
             "type": "CN_WORD",
             "position": 1
          },
          {
             "token": "明",
             "start_offset": 3,
             "end_offset": 4,
             "type": "CN_WORD",
             "position": 2
          },
          {
             "token": "真帅",
             "start_offset": 4,
             "end_offset": 6,
             "type": "CN_WORD",
             "position": 3
          }
       ]
    }
  • 然后我们配置一下词库,其中正常词库里只包含 "赵小明明", 停用词词库中包含 "真帅",配置完之后,我们再次调用 /_analyze api,结果如下:
{
       "tokens": [
          {
             "token": "赵小明明",
             "start_offset": 0,
             "end_offset": 4,
             "type": "CN_WORD",
             "position": 0
          }
       ]
    }

结果显示, “赵小明明” 被当做一个单独的词,而 "真帅" 被当做停用词去掉了。