跳到主要内容
版本:BYOC 开发指南

English

Zilliz Cloud中的English Analyzer旨在处理英语文本,应用特定语言的规则进行分词和过滤。

定义

English Analyzer使用以下组件:

  • 分词器:使用 Standard 分词器将文本拆分为离散的单词单元。

  • 过滤器:包括多个过滤器以进行全面的文本处理:

    • lowercase:将所有标记转换为小写,以支持不区分大小写的搜索。

    • stemmer:将单词还原为其根形式,以支持更广泛的匹配(例如,“running”变为“run”)。

    • stop_words:删除常见的英语停用词,以集中关注文本中的关键术语。

English Analyzer 的功能等同于以下自定义 Analyzer 配置:

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

配置

要将 English Analyzer 应用于字段,只需在 analyzer_params 中将 type 设置为 english,并根据需要包含可选参数。

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

English Analyzer 接受以下可选参数:

参数

描述

stop_words

包含停用词列表的数组,这些词将在分词过程中被移除。默认为 english,即内置的常见英文停用词集合。

自定义停用词的配置示例:

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

定义 analyzer_params 后,您可以在定义集合模式时将其应用于 VARCHAR 字段。这使得 Zilliz Cloud 能够使用指定的 Analyzer 处理该字段中的文本,以实现高效的分词和过滤。更多信息,请参阅使用示例

使用示例

在完成 Analyzer 配置后,您可以使用 run_analyzer 方法来验证分词效果是否符合预期。

Analyzer 配置

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

使用 run_analyzer 验证效果

from pymilvus import (
MilvusClient,
)

client = MilvusClient(uri="YOUR_CLUSTER_ENDPOINT")

# 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

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