跳到主要内容
版本:v2.5.x

标准标记符

Milvus 中的standard 令牌分割器根据空格和标点符号分割文本,适用于大多数语言。

配置

要配置使用standard 令牌转换器的分析器,请在analyzer_params 中将tokenizer 设置为standard

analyzer_params = {
"tokenizer": "standard",
}

standard 标记符号分析器可与一个或多个过滤器结合使用。例如,以下代码定义了一个使用standard 标记器和lowercase 过滤器的分析器:

analyzer_params = {
"tokenizer": "standard",
"filter": ["lowercase"]
}
说明

为了简化设置,您可以选择使用standard 分析器,它结合了standard 标记符号生成器和lowercase 过滤器

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 就能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 模式之前,请使用run_analyzer 方法验证其行为。

分析器配置

analyzer_params = {
"tokenizer": "standard",
"filter": ["lowercase"]
}

验证使用run_analyzerCompatible with Milvus 2.5.11+

from pymilvus import (
MilvusClient,
)

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

# Sample text to analyze
sample_text = "The Milvus vector database is built for scale!"

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

预期输出

['the', 'milvus', 'vector', 'database', 'is', 'built', 'for', 'scale']