English

公测版

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：

Python

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

Java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "standard");
analyzerParams.put("filter",
        Arrays.asList("lowercase",
                new HashMap<String, Object>() {{
                    put("type", "stemmer");
                    put("language", "english");
                }},
                new HashMap<String, Object>() {{
                    put("type", "stop");
                    put("stop_words", Collections.singletonList("_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。

Python

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

Java

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

Python

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

Java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("type", "english");
analyzerParams.put("stop_words", Arrays.asList("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。

示例输出

以下是 Standard Analyzer 处理文本的方式。

原始文本：

"The Milvus vector database is built for scale!"

预期输出：

["milvus", "vector", "databas", "built", "scale"]