接第22節(jié)

3)、自定義詞庫

ik 分詞器默認(rèn)的分詞并不能滿足我們的需求，對于一些新的網(wǎng)絡(luò)用語，ik 分詞器就會(huì)無法準(zhǔn)確的進(jìn)行分詞識別，比如：

POST _analyze

{

"analyzer": "ik_max_word",

"text": "喬碧蘿殿下"

}

分詞之后顯示為如下，可以看到 ik 分詞器無法識別出“喬碧蘿”是一個(gè)人名：

在這里插入圖片描述

所以，需要進(jìn)行自定義拓展詞庫。

要自定義拓展詞庫，可以修改 ik 分詞器的配置文件，指定一個(gè)遠(yuǎn)程詞庫，讓 ik 分詞器向遠(yuǎn)程發(fā)送請求，要到一些最新的單詞，這樣最新的單詞就會(huì)作為最新的詞源進(jìn)行分解。

自定義詞庫有兩種方式實(shí)現(xiàn)：

自己實(shí)現(xiàn)一個(gè)服務(wù)，處理 ik 分詞器的請求，讓 ik 分詞器的給自定義的項(xiàng)目發(fā)送請求

搭建一個(gè) nginx 服務(wù)器，將最新詞庫放到 nginx 中，讓 ik 分詞器給 nginx 發(fā)送請求，由 nginx 給 ik 分詞器返回最新的詞庫，這樣 ik 分詞器就可以將原來的詞庫和新詞庫合并起來。

在這里我使用第二種方式來自定義詞庫，創(chuàng)建前需要先安裝 nginx， 請?jiān)L問第六章有關(guān)內(nèi)容。

在 /mydata/nginx/html/ 路徑下新建一個(gè) es 目錄，并新建一個(gè)詞庫 fenci.txt：

在這里插入圖片描述

訪問 http://192.168.56.10/es/fenci.txt，可以請求的詞庫的內(nèi)容：

在這里插入圖片描述

修改 /usr/share/elasticsearch/plugins/ik/config/ 中的 IKAnalyzer.cfg.xml

在這里插入圖片描述

/usr/share/elasticsearch/plugins/ik/config

IK Analyzer 擴(kuò)展配置

http://192.168.56.10/es/fenci.txt

在這里插入圖片描述

注意：如果打開 IKAnalyzer.cfg.xml 為亂碼的話，可以在先退出當(dāng)前文件，在命令行輸入 vi /etc/virc，

然后在文件添加 set encoding=utf-8，保存退出，重新打開 IKAnalyzer.cfg.xml 即可。

在這里插入圖片描述

原來的xml：

IK Analyzer 擴(kuò)展配置

重啟 ES ：

docker restart elasticsearch

重新在 kibana 中進(jìn)行分詞，可以看到之前無法識別的“喬碧蘿”現(xiàn)在已經(jīng)可以識別為一個(gè)單詞了：

在這里插入圖片描述

如果我們以后還有新的詞組，直接在上面的自定義詞庫fenci.txt中進(jìn)行添加，并重啟 ES 即可。

由于之前在安裝 nginx 時(shí)重裝了 ES，所以需要設(shè)置一下 ES 的自動(dòng)啟動(dòng)服務(wù)：

docker update elasticsearch --restart=always

參考:

總結(jié)

以上是生活随笔為你收集整理的es自建搜索词库_【ES从入门到实战】二十三、全文检索-ElasticSearch-分词-自定义扩展词库...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。