Length

length 过滤器可移除不符合指定长度要求的标记，让您可以控制文本处理过程中保留的标记长度。

配置

length 过滤器是 Milvus 中的自定义过滤器，通过在过滤器配置中设置 "type": "length" 来指定。您可以在 analyzer_params 中将其配置为字典，以定义长度限制。

Python

Python

analyzer_params = {
    "tokenizer": "standard",
    "filter":[{
        "type": "length", # Specifies the filter type as length
        "max": 10, # Sets the maximum token length to 10 characters
    }],
}

Java

Java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "standard");
analyzerParams.put("filter",
        Collections.singletonList(new HashMap<String, Object>() {{
            put("type", "length");
            put("max", 10);
        }}));

Node.js

JavaScript

const analyzerParams = {
  tokenizer: "standard",
  filter: [
    {
      type: "length", // Use the length token filter.
      max: 10, // Keep tokens with at most 10 characters.
    },
  ],
};

Go

Go

analyzerParams = map[string]any{"tokenizer": "standard",
    "filter": []any{map[string]any{
        "type": "length",
        "max":  10,
    }}}

cURL

Shell

# restful
analyzerParams='{
  "tokenizer": "standard",
  "filter": [
    {
      "type": "length",
      "max": 10
    }
  ]
}'

length 过滤器接受以下可配置参数。

参数	说明
max	设置最大标记长度。超过此长度的标记将被删除。

length 过滤器对 Tokenizer（分词器）生成的 Token（词元）进行操作，因此必须与 Tokenizer 结合使用。有关 Milvus 中可用的 Tokenizer 列表，请参阅 Standard Tokenizer 及其同类页面。

定义 analyzer_params 后，可以在定义 Collection Schema 时将其应用到 VARCHAR 字段。这样，Milvus 就可以使用指定的分析器对该字段中的文本进行处理，从而实现高效的标记化和过滤。有关详情，请参阅 示例使用。

示例

在将分析器配置应用到 Collection Schema 之前，请使用 run_analyzer 方法验证其行为。

Analyzer 配置

Python

Python

analyzer_params = {
    "tokenizer": "standard",
    "filter":[{
        "type": "length", # Specifies the filter type as length
        "max": 10, # Sets the maximum token length to 10 characters
    }],
}

Java

Java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "standard");
analyzerParams.put("filter",
        Collections.singletonList(new HashMap<String, Object>() {{
            put("type", "length");
            put("max", 10);
        }}));

Node.js

Milvus v2.5.x 的官方资料尚未提供经过源码验证的 Node.js 示例。

Go

Go

analyzerParams = map[string]any{"tokenizer": "standard",
    "filter": []any{map[string]any{
        "type": "length",
        "max":  10,
    }}}

cURL

Milvus v2.5.x 的官方资料尚未提供经过源码验证的 cURL 示例。

验证使用 run_analyzer

Python

Python

# Sample text to analyze
sample_text = "The length filter allows control over token length requirements for text processing."

# Run the standard analyzer with the defined configuration
result = MilvusClient.run_analyzer(sample_text, analyzer_params)
print(result)

Java

Milvus v2.5.x 的官方资料尚未提供经过源码验证的 Java 示例。

Node.js

Milvus v2.5.x 的官方资料尚未提供经过源码验证的 Node.js 示例。

Go

Milvus v2.5.x 的官方资料尚未提供经过源码验证的 Go 示例。

cURL

Milvus v2.5.x 的官方资料尚未提供经过源码验证的 cURL 示例。

预期输出

Python

['The', 'length', 'filter', 'allows', 'control', 'over', 'token', 'length', 'for', 'text', 'processing']