由于我不熟悉弹性搜索,我无法识别 ngram令牌过滤器之间的区别 边缘ngram标记过滤器。
这两者如何相互不同 处理令牌?
答案 0 :(得分:21)
我认为documentation非常明确:
此标记器与nGram非常相似,但只保留从令牌开头开始的n-gram。
nGram
令牌化程序的最佳示例再次来自documentation:
curl 'localhost:9200/test/_analyze?pretty=1&analyzer=my_ngram_analyzer' -d 'FC Schalke 04'
# FC, Sc, Sch, ch, cha, ha, hal, al, alk, lk, lke, ke, 04
使用此标记器定义:
"type" : "nGram",
"min_gram" : "2",
"max_gram" : "3",
"token_chars": [ "letter", "digit" ]
简而言之:
FC
,Schalke
,04
。nGram
根据输入文字生成最小min_gram
大小和最大max_gram
大小的字符组。基本上,令牌被分成小块,每个块都锚定在一个角色上(这个角色所在的位置并不重要,所有这些都会创建块)。edgeNGram
做同样的事情,但是块总是从每个令牌的开头开始。基本上,块被锚定在令牌的开头。对于与上述相同的文字,edgeNGram
会生成以下内容:FC, Sc, Sch, Scha, Schal, 04
。每个"字"在文本中考虑和每个"字"第一个字符是起点(F
来自FC
,来自S
的{{1}}和来自Schalke
的{{1}}。
答案 1 :(得分:2)
ngram
在打破文本的同时移动光标:
Text: Red Wine
Options:
ngram_min: 2
ngram_max: 3
Result: Re, Red, ed, Wi, Win, in, ine, ne
如您在此处看到的,光标移动ngram_min
到下一个片段,直到到达ngram_max
。
ngram_edge
与ngram
完全相同,但是它不会移动光标:
Text: Red Wine
Options:
ngram_min: 2
ngram_max: 3
Result: Re, Red
为什么它没有返回Win
?因为光标不会移动,所以它将始终从零位置开始,移动ngram_min
次并返回相同的位置(始终为零)。
将ngram_edge
视为其他编程语言(例如JavaScript)中的substring
函数:
// ngram
let str = "Red Wine";
console.log(str.substring(0, 2)); // Re
console.log(str.substring(0, 3)); // Red
console.log(str.substring(1, 3)); // ed, start from position 1
// ...
// ngram_edge
// notice that the position is always zero
console.log(str.substring(0, 2)); // Re
console.log(str.substring(0, 3)); // Red
使用Kibana自己尝试一下:
PUT my_index
{
"settings": {
"analysis": {
"tokenizer": {
"my_ngram_tokenizer" : {
"type" : "ngram",
"min_gram": 2,
"max_gram": 3,
"token_chars": [
"letter",
"digit"
]
},
"my_edge_ngram_tokenizer": {
"type": "edge_ngram",
"min_gram": 2,
"max_gram": 3
}
}
}
}
}
POST my_index/_analyze
{
"tokenizer": "my_ngram_tokenizer",
"text": "Red Wine"
}
POST my_index/_analyze
{
"tokenizer": "my_edge_ngram_tokenizer",
"text": "Red Wine"
}