接第22节
3)、自定义词库
ik 分词器默认的分词并不能满足我们的需求,对于一些新的网络用语,ik 分词器就会无法准确的进行分词识别,比如:
分词之后显示为如下,可以看到 ik 分词器无法识别出“乔碧萝”是一个人名:
所以,需要进行自定义拓展词库。 要自定义拓展词库,可以修改 ik 分词器的配置文件,指定一个远程词库,让 ik 分词器向远程发送请求,要到一些最新的单词,这样最新的单词就会作为最新的词源进行分解。 自定义词库有两种方式实现:
1、 自己实现一个服务,处理 ik 分词器的请求,让 ik 分词器的给自定义的项目发送请求
2、 搭建一个 nginx 服务器,将最新词库放到 nginx 中,让 ik 分词器给 nginx 发送请求,由 nginx 给 ik 分词器返回最新的词库,这样 ik 分词器就可以将原来的词库和新词库合并起来。
在这里我使用第二种方式来自定义词库,创建前需要先安装 nginx, 请访问第六章有关内容。 在 /mydata/nginx/html/ 路径下新建一个 es 目录,并新建一个词库 fenci.txt:
修改 /usr/share/elasticsearch/plugins/ik/config/ 中的 IKAnalyzer.cfg.xml
/usr/share/elasticsearch/plugins/ik/config
注意:如果打开 IKAnalyzer.cfg.xml 为乱码的话,可以在先退出当前文件,在命令行输入 vi /etc/virc, 然后在文件添加 set encoding=utf-8,保存退出,重新打开 IKAnalyzer.cfg.xml 即可。
原来的xml:
重启 ES :
重新在 kibana 中进行分词,可以看到之前无法识别的“乔碧萝”现在已经可以识别为一个单词了:
如果我们以后还有新的词组,直接在上面的自定义词库fenci.txt中进行添加,并重启 ES 即可。
由于之前在安装 nginx 时重装了 ES,所以需要设置一下 ES 的自动启动服务: docker update elasticsearch --restart=always
参考: