Stemmer

stemmer 过滤器将单词还原为其基本形式或词根形式（称为词干化），从而更容易匹配不同词性中含义相似的单词。stemmer 过滤器支持多种语言，可在各种语言环境中进行有效搜索和索引。

配置

stemmer 过滤器是 Milvus 的自定义过滤器。要使用它，请在过滤器配置中指定 "type": "stemmer"，并使用 language 参数选择所需的语言进行词干处理。

Python

Python

analyzer_params = {
    "tokenizer": "standard",
    "filter":[{
        "type": "stemmer", # Specifies the filter type as stemmer
        "language": "english", # Sets the language for stemming to English
    }],
}

Java

Java

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

Node.js

JavaScript

const analyzerParams = {
    "tokenizer": "standard",
    "filter":[{
        "type": "stemmer", // Specifies the filter type as stop
        "language": "english",
    }],
};

Go

Go

analyzerParams = map[string]any{"tokenizer": "standard",
    "filter": []any{map[string]any{
        "type":     "stemmer",
        "language": "english",
    }}}

cURL

Shell

# restful
analyzerParams='{
  "tokenizer": "standard",
  "filter": [
    {
      "type": "stemmer",
      "language": "english"
    }
  ]
}'

stemmer 过滤器接受以下可配置参数。

参数	参数
language	指定词干处理的语言。支持的语言包括 "arabic","danish","dutch","english","finnish","french","german","greek","hungarian","italian","norwegian","portuguese","romanian","russian","spanish","swedish","tamil"、"turkish"

stemmer 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。

定义 analyzer_params 后，可以在定义 Collection Schema 时将它们应用到 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": "stemmer", # Specifies the filter type as stemmer
        "language": "english", # Sets the language for stemming to English
    }],
}

Java

Java

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

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":     "stemmer",
        "language": "english",
    }}}

cURL

Shell

# restful
analyzerParams='{
  "tokenizer": "standard",
  "filter": [
    {
      "type": "stemmer",
      "language": "english"
    }
  ]
}'

验证使用 run_analyzer

Python

Python

# Sample text to analyze
sample_text = "running runs looked ran runner"

# 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。

Shell

# restful
not support yet

预期输出

Python

['run', 'run', 'look', 'ran', 'runner']