4.1、什么是IK分词器
分词:即把一段中文或者别的划分成一个个的关键字,我们在搜索时候会把自己的信息进行分词,会把数据库中或者索引库中的数据进行分词,然后进行一个匹配操作,默认的中文分词是将每个字看成一个词,比如“我爱你"会被分为"我”"爱”“你”,这显然是不符合要求的,所以我们需要安装中文分词器ik来解决这个问题。
如果要使用中文,建议使用ik分词器!
IK提供了两个分词算法: ik_ smart 和ik_ max_word ,其中ik._smart 为最少切分! ik_max_word为最细粒度划分!
4.2、安装
- https://github.com/medcl/elasticsearch-analysis-ik
- 下载完毕之后,放入到我们的elasticsearch插件即可!
- 重启观察ES,可以看到ik分词器被加载了
- elasticsearch-plugin 可以通过这个命令来查看加载进来的插件
- 使用kibana测试!
ik._smart 为最少切分
ik_max_word为最细粒度划分!穷尽词库的可能!字典!
我们输入超级喜欢陈托尼
发现问题:陈托尼被拆开了!
这种自己需要的词,需要自己加到我们的分词器的字典给中!
4.3、ik_max_word和 ik_smart的区别
1、ik_max_word
会将文本做最细粒度的拆分,比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、华人、人民共和国、人民、共和国、大会堂、大会、会堂等词语。
2、ik_smart
会做最粗粒度的拆分,比如会将“中华人民共和国人民大会堂”拆分为中华人民共和国、人民大会堂。
4.4、IK分词器增加自己的配置
- 在ik分词器的配置文件下编写一个chen.dic
- 注入到扩展配置中
- 重启ES,看细节
ik._smart
ik_max_word
以后的话,我们需要自己配置分词就在自己定义的dic文件中进行配置即可!