版本：v2.6.x

Standard Analyzer

standard 分析器是 Milvus 的默认分析器，如果没有指定分析器，它将自动应用于文本字段。它使用基于语法的标记化，对大多数语言都很有效。

说明

standard 分析器适用于依赖分隔符（如空格、标点符号）作为单词边界的语言。但是，中文、日文和韩文等语言需要基于词典的标记化。在这种情况下，使用特定语言的分析器，如 chinese 或带有专门 Tokenizer（分词器）的自定义分析器（如 lindera, icu）和过滤器，以确保准确的标记化和更好的搜索结果。

定义

standard 分析器包括

Tokenizer（分词器）：使用 standard Tokenizer（分词器），根据语法规则将文本分割成离散的单词单元。更多信息，请参阅标准 Tokenizer。
过滤器：使用 lowercase 过滤器将所有标记转换为小写，从而实现不区分大小写的搜索。更多信息，请参阅 Lowercase Filter。

standard 分析器的功能相当于以下自定义分析器配置：

Python
Java
Node.js
Go
cURL

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

Java
Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "standard");
analyzerParams.put("filter", Collections.singletonList("lowercase"));

JavaScript
const analyzerParams = {
    "tokenizer": "standard",
    "filter": ["lowercase"]
};

Go
analyzerParams := map[string]any{"tokenizer": "standard", "filter": []any{"lowercase"}}

Shell
# restful
analyzerParams='{
  "tokenizer": "standard",
  "filter": [
    "lowercase"
  ]
}'

配置

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

Python
Java
Node.js
Go
cURL

Python
analyzer_params = {
    "type": "standard", # Specifies the standard analyzer type
}

Java
Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("type", "standard");

JavaScript
const analyzerParams = {
    "type": "standard", // Specifies the standard analyzer type
}

Go
analyzerParams = map[string]any{"type": "standard"}

Shell
# restful
analyzerParams='{
  "type": "standard"
}'

standard 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
Java
Node.js
Go
cURL

Python
analyzer_params = {
    "type": "standard", # Specifies the standard analyzer type
    "stop_words": ["of"] # Optional: List of words to exclude from tokenization
}

Java
Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("type", "standard");
analyzerParams.put("stop_words", Collections.singletonList("of"));

JavaScript
analyzer_params = {
    "type": "standard", // Specifies the standard analyzer type
    "stop_words": ["of"] // Optional: List of words to exclude from tokenization
}

Go
analyzerParams = map[string]any{"type": "standard", "stop_words": []string{"of"}}

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。有关详细信息，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
Java
Node.js
Go
cURL

Python
analyzer_params = {
    "type": "standard",  # Standard analyzer configuration
    "stop_words": ["for"] # Optional: Custom stop words parameter
}

Java
Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("type", "standard");
analyzerParams.put("stop_words", Collections.singletonList("for"));

Go
analyzerParams = map[string]any{"type": "standard", "stop_words": []string{"for"}}

Shell
# restful
analyzerParams='{
  "type": "standard",
  "stop_words": [
    "of"
  ]
}'

验证使用 `run_analyzer`

Python
Java
Node.js
Go
cURL

Python
from pymilvus import (
    MilvusClient,
)

client = MilvusClient(
    uri="http://localhost:19530",
    token="root:Milvus"
)

# 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("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")
        .token("root:Milvus")
        .build();
MilvusClientV2 client = new MilvusClientV2(config);

List<String> texts = new ArrayList<>();
texts.add("The Milvus vector database is built for scale!");

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{"The Milvus vector database is built for scale!"}
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

Text
Standard analyzer output: ['the', 'milvus', 'vector', 'database', 'is', 'built', 'scale']

定义​

配置​

示例​

Analyzer 配置​

验证使用 run_analyzer​

预期输出​

定义

配置

示例

Analyzer 配置

验证使用 `run_analyzer`

预期输出