IK分词器和ElasticSearch集成使用
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。`
ElasticSearch集成IK分词器
IK分词器的安装
1）下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases
2）解压，将解压后的elasticsearch文件夹拷贝到elasticsearch\plugins下，并重命名文件夹为analysis-ik
3）重新启动ElasticSearch，即可加载IK分词器
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 为最少切分，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
请求： GET http://localhost:9200/_analyze?analyzer=ik_smart&pretty=true&text=IKAnalyzer是一个中文分词工具包
{
“tokens”: [
{
“token”: “ikanalyzer”,
“start_offset”: 0,
“end_offset”: 10,
“type”: “ENGLISH”,
“position”: 0
},
{
“token”: “是”,
“start_offset”: 10,
“end_offset”: 11,
“type”: “CN_CHAR”,
“position”: 1
},
{
“token”: “一个”,
“start_offset”: 11,
“end_offset”: 13,
“type”: “CN_WORD”,
“position”: 2
},
{
“token”: “中文”,
“start_offset”: 13,
“end_offset”: 15,
“type”: “CN_WORD”,
“position”: 3
},
{
“token”: “分词”,
“start_offset”: 15,
“end_offset”: 17,
“type”: “CN_WORD”,
“position”: 4
},
{
“token”: “工具包”,
“start_offset”: 17,
“end_offset”: 20,
“type”: “CN_WORD”,
“position”: 5
}
]
}
2）最细切分：在浏览器地址栏输入地址
请求：GET http://localhost:9200/_analyze?analyzer=ik_max_word&pretty=true&text=IKAnalyzer是一个中文分词工具包
{
“tokens”: [
{
“token”: “ikanalyzer”,
“start_offset”: 0,
“end_offset”: 10,
“type”: “ENGLISH”,
“position”: 0
},
{
“token”: “是”,
“start_offset”: 10,
“end_offset”: 11,
“type”: “CN_CHAR”,
“position”: 1
},
{
“token”: “一个”,
“start_offset”: 11,
“end_offset”: 13,
“type”: “CN_WORD”,
“position”: 2
},
{
“token”: “一”,
“start_offset”: 11,
“end_offset”: 12,
“type”: “TYPE_CNUM”,
“position”: 3
},
{
“token”: “个中”,
“start_offset”: 12,
“end_offset”: 14,
“type”: “CN_WORD”,
“position”: 4
},
{
“token”: “个”,
“start_offset”: 12,
“end_offset”: 13,
“type”: “COUNT”,
“position”: 5
},
{
“token”: “中文”,
“start_offset”: 13,
“end_offset”: 15,
“type”: “CN_WORD”,
“position”: 6
},
{
“token”: “分词”,
“start_offset”: 15,
“end_offset”: 17,
“type”: “CN_WORD”,
“position”: 7
},
{
“token”: “工具包”,
“start_offset”: 17,
“end_offset”: 20,
“type”: “CN_WORD”,
“position”: 8
},
{
“token”: “工具”,
“start_offset”: 17,
“end_offset”: 19,
“type”: “CN_WORD”,
“position”: 9
},
{
“token”: “包”,
“start_offset”: 19,
“end_offset”: 20,
“type”: “CN_CHAR”,
“position”: 10
}
]
}
修改索引映射mapping：
1. 创建blog索引，分词器使用ik_max_word
请求：PUT https://localhost:9200/blog
{
“mappings”: {
“hello”: {
“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”
}
}
}
}
}
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！
如果你觉得这些内容对你有帮助，可以扫码获取！！（备注Java获取）
最后
金三银四马上就到了，希望大家能好好学习一下这些技术点
学习视频：
大厂面试真题：
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
容对你有帮助，可以扫码获取！！（备注Java获取）**
最后
金三银四马上就到了，希望大家能好好学习一下这些技术点
学习视频：
[外链图片转存中…(img-UkasF1XU-1713386435371)]
大厂面试真题：
[外链图片转存中…(img-YTqmk97d-1713386435372)]
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
还没有评论，来说两句吧...