LinderaCompatible with Milvus 2.5.11+

lindera 标记符号生成器执行基于字典的形态分析。对于日语、韩语和汉语等单词不以空格分隔的语言，它是一个不错的选择。

前提条件

要使用lindera 标记符号生成器，需要使用专门编译的 Milvus 版本。所有词典都必须在编译过程中明确启用才能使用。

要启用特定字典，请在编译命令中包含它们：

make milvus TANTIVY_FEATURES=lindera-ipadic,lindera-ko-dic

可用词典的完整列表如下lindera-ipadic,lindera-ipadic-neologd,lindera-unidic,lindera-ko-dic,lindera-cc-cedict 。

例如，启用所有词典：

make milvus TANTIVY_FEATURES=lindera-ipadic,lindera-ipadic-neologd,lindera-unidic,lindera-ko-dic,lindera-cc-cedict

配置

要配置使用lindera 标记符号化器的分析器，请将tokenizer.type 设置为lindera ，并选择dict_kind 的字典。

Python

analyzer_params = {
    "tokenizer": {
      "type": "lindera"，
      "dict_kind": "ipadic"
    }
}

Java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer",
                new HashMap<String, Object>() {{
                    put("type", "lindera");
                    put("dict_kind", "ipadic");
                }});

Go

analyzerParams = map[string]any{"tokenizer": map[string]any{"type": "lindera", "dict_kind": "ipadic"}}

| 参数

|

参数

| | --- | --- | |

type

|

标记符类型。固定为"lindera" 。

| |

dict_kind

|

用于定义词汇的字典。可能的值：

• ko-dic:韩语 - 韩语形态词典（MeCab Ko-dic）

• ipadic:日语 - 标准形态词典(MeCab IPADIC)

• ipadic-neologd:日语新词词典（扩展）- 包括新词和专有名词(IPADIC NEologd)

• unidic:日语 UniDic（扩展）- 包含详细语言信息的学术标准词典(UniDic)

• cc-cedict:中文普通话（繁体/简体） - 社区维护的汉英词典(CC-CEDICT)

  **注意：**所有词典必须在 Milvus 编译时启用，才能使用。

|

定义analyzer_params 后，您可以在定义 Collection Schema 时将其应用到VARCHAR 字段。这样，Milvus 就能使用指定的分析器处理该字段中的文本，以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 模式之前，请使用run_analyzer 方法验证其行为。

分析器配置

Python

analyzer_params = {
    "tokenizer": {
      "type": "lindera",
      "dict_kind": "ipadic"
    }
}

Java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer",
                new HashMap<String, Object>() {{
                    put("type", "lindera");
                    put("dict_kind", "ipadic");
                }});

Go

analyzerParams = map[string]any{"tokenizer": map[string]any{"type": "lindera", "dict_kind": "ipadic"}}

使用run_analyzerCompatible with Milvus 2.5.11+

Python

from pymilvus import (
    MilvusClient,
)

client = MilvusClient(uri="http://localhost:19530")

# Sample text to analyze
sample_text = "東京スカイツリーの最寄り駅はとうきょうスカイツリー駅で"

# Run the standard analyzer with the defined configuration
result = client.run_analyzer(sample_text, analyzer_params)
print("Standard analyzer output:", result)

Java

import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.service.vector.request.RunAnalyzerReq;
import io.milvus.v2.service.vector.response.RunAnalyzerResp;

ConnectConfig config = ConnectConfig.builder()
        .uri("http://localhost:19530")
        .build();
MilvusClientV2 client = new MilvusClientV2(config);

List<String> texts = new ArrayList<>();
texts.add("東京スカイツリーの最寄り駅はとうきょうスカイツリー駅で");

RunAnalyzerResp resp = client.runAnalyzer(RunAnalyzerReq.builder()
        .texts(texts)
        .analyzerParams(analyzerParams)
        .build());
List<RunAnalyzerResp.AnalyzerResult> results = resp.getResults();

Go

import (
    "context"
    "encoding/json"
    "fmt"

    "github.com/milvus-io/milvus/client/v2/milvusclient"
)

client, err := milvusclient.New(ctx, &milvusclient.ClientConfig{
    Address: "localhost:19530",
    APIKey:  "root:Milvus",
})
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

bs, _ := json.Marshal(analyzerParams)
texts := []string{"東京スカイツリーの最寄り駅はとうきょうスカイツリー駅で"}
option := milvusclient.NewRunAnalyzerOption(texts).
    WithAnalyzerParams(string(bs))

result, err := client.RunAnalyzer(ctx, option)
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

预期输出

{tokens: ['東京', 'スカイ', 'ツリー', 'の', '最寄り駅', 'は', 'とう', 'きょう', 'スカイ', 'ツリー', '駅', 'で']}