跳到主要内容
版本:v2.6.x

English

Milvus 中的 english 分析器旨在处理英文文本,应用特定语言规则进行标记化和过滤。

定义

english 分析器使用以下组件:

  • Tokenizer(分词器):使用 standard Standard Tokenizer 将文本分割成离散的单词单位。

  • 过滤器:包括多个过滤器,用于全面处理文本:

  • lowercase:将所有标记转换为小写,从而实现不区分大小写的搜索。

  • stemmer:将单词还原为词根形式,以支持更广泛的匹配(例如,"running "变为 "run")。

  • stop_words:删除常见的英文停用词,以便集中搜索文本中的关键词语。

english 分析器的功能相当于以下自定义分析器配置:

Python
analyzer_params = {
"tokenizer": "standard",
"filter": [
"lowercase",
{
"type": "stemmer",
"language": "english"
}, {
"type": "stop",
"stop_words": "_english_"
}
]
}

配置

要将 english 分析器应用到一个字段,只需在 analyzer_params 中将 type 设置为 english,并根据需要加入可选参数即可。

Python
analyzer_params = {
"type": "english",
}

english 分析器接受以下可选参数:

参数

说明

stop_words

一个数组,包含将从标记化中删除的停用词列表。默认为 _english_,这是一组内置的常用英语停用词。

自定义停用词配置示例:

Python
analyzer_params = {
"type": "english",
"stop_words": ["a", "an", "the"]
}

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,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
analyzer_params = {
"type": "english",
"stop_words": ["a", "an", "the"]
}

验证使用 run_analyzer

Python
from pymilvus import (
MilvusClient,
)

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

# Sample text to analyze
sample_text = "Milvus is a vector database 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

Text
English analyzer output: ['milvus', 'vector', 'databas', 'built', 'scale']