计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
弹性伸缩 AS
镜像服务 IMS
专属主机 DeH
函数工作流 FunctionGraph
云手机服务器 CPH
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
虚拟专用网络 VPN
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
VPC终端节点 VPCEP
云连接 CC
企业路由器 ER
企业交换机 ESW
全球加速 GA
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
边缘安全 EdgeSec
威胁检测服务 MTD
CDN与智能边缘
内容分发网络 CDN
CloudPond云服务
智能边缘云 IEC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
云搜索服务 CSS
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
数据可视化 DLV
数据湖工厂 DLF
湖仓构建 LakeFormation
企业应用
云桌面 Workspace
应用与数据集成平台 ROMA Connect
云解析服务 DNS
专属云
专属计算集群 DCC
IoT物联网
IoT物联网
设备接入 IoTDA
智能边缘平台 IEF
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
国际站常见问题
ICP备案
我的凭证
支持计划
客户运营能力
合作伙伴支持计划
专业服务
区块链
区块链服务 BCS
Web3节点引擎服务 NES
解决方案
SAP
高性能计算 HPC
视频
视频直播 Live
视频点播 VOD
媒体处理 MPC
实时音视频 SparkRTC
数字内容生产线 MetaStudio
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
存储容灾服务 SDRS
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属分布式存储服务 DSS
容器
云容器引擎 CCE
容器镜像服务 SWR
应用服务网格 ASM
华为云UCS
云容器实例 CCI
管理与监管
云监控服务 CES
统一身份认证服务 IAM
资源编排服务 RFS
云审计服务 CTS
标签管理服务 TMS
云日志服务 LTS
配置审计 Config
资源访问管理 RAM
消息通知服务 SMN
应用运维管理 AOM
应用性能管理 APM
组织 Organizations
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
应用身份管理服务 OneAccess
数据库
云数据库 RDS
文档数据库服务 DDS
数据管理服务 DAS
数据复制服务 DRS
云数据库 GeminiDB
云数据库 GaussDB
分布式数据库中间件 DDM
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
人脸识别服务 FRS
图引擎服务 GES
图像识别 Image
内容审核 Moderation
文字识别 OCR
AI开发平台ModelArts
图像搜索 ImageSearch
对话机器人服务 CBS
华为HiLens
视频智能分析服务 VIAS
语音交互服务 SIS
应用中间件
分布式缓存服务 DCS
API网关 APIG
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
多活高可用服务 MAS
事件网格 EG
企业协同
华为云会议 Meeting
云通信
消息&短信 MSGSMS
云生态
合作伙伴中心
云商店
开发者工具
SDK开发指南
API签名指南
Terraform
华为云命令行工具服务 KooCLI
其他
产品价格详情
系统权限
管理控制台
客户关联华为云合作伙伴须知
消息中心
公共问题
开发与运维
应用管理与运维平台 ServiceStage
软件开发生产线 CodeArts
需求管理 CodeArts Req
部署 CodeArts Deploy
性能测试 CodeArts PerfTest
编译构建 CodeArts Build
流水线 CodeArts Pipeline
制品仓库 CodeArts Artifact
测试计划 CodeArts TestPlan
代码检查 CodeArts Check
代码托管 CodeArts Repo
云应用引擎 CAE
开天aPaaS
云消息服务 KooMessage
云手机服务 KooPhone
云空间服务 KooDrive

配置自定义词库

更新时间:2024-12-02 GMT+08:00

云搜索服务的自定义词库功能,支持对文本进行分词,使得一些特殊词语在分词的时候能够被识别出来,便于根据关键词搜索文本数据。例如,根据公司名称来查询;或者根据网络流行词来查询,如“喜大普奔”。

说明:
  • 自定义词库功能上线之前创建的集群,无法使用自定义词库功能。
  • 自定义词库一般用于中文分词,如果用于英文分词,会按照除#&+-.@_外的特殊符号进行切分。

背景信息

自定义词库使用的分词器包括IK分词器和同义词分词器。

IK分词器配备主词词库和停词词库;同义词分词器配备同义词词库。配置自定义词库需要提前准备词库文件并上传至OBS,详情请见上传词库文件至OBS

其中,IK分词器包含ik_max_word和ik_smart分词策略。同义词分词器使用的是ik_synonym分词策略。

  • ik_max_word:会将文本做最细粒度的拆分,比如会将“昨夜西风吹折千林梢”拆分为“昨夜西风,昨夜,西风,吹折千林梢,吹折,千林梢,千,林,折千林,千林,吹”,会穷尽各种可能的分词组合。
  • ik_smart:会做最粗粒度的拆分,比如会将“昨夜西风吹折千林梢”拆分为“昨夜西风,吹折千林梢”

前提条件

登录云搜索服务管理控制台的账号或IAM用户必须同时具备如下两个权限才能使用自定义词库功能。
  • “全局服务”“对象存储服务”项目的“Tenant Administrator”权限。
  • 当前所属区域的“Elasticsearch Administrator”权限。

上传词库文件至OBS

配置自定义词库需要提前将词库上传至OBS桶。

  1. 表1要求准备词库文件。
    表1 词库说明

    词库类型

    说明

    文件要求

    主词词库

    主词为用户希望进行分词的特殊词语,例如“智能手机”“喜大普奔”。主词词库则是用户自定义的特殊词语的集合。

    词库文件必须是UTF-8无BOM格式编码的文本文件,一行一个分词,主词文件最大支持100M。如果涉及单词,必须改成小写字母。

    停词词库

    停词为用户不希望进行分词或者关注的词语,例如“的”“什么”“怎么”等。停词词库是用户自定义的停词词语的集合。

    词库文件必须是UTF-8无BOM格式编码的文本文件,一行一个分词,停词文件最大支持100M。

    同义词词库

    同义词为意义相同的一组词语,例如“开心”“高兴”。同义词词库是用户自定义的同义词词语的集合。

    词库文件必须是UTF-8无BOM格式编码的文本文件,一行一组同义词对,同义词对中的同义词间逗号隔开,同义词文件最大支持100MB。

    静态主词词库

    静态主词词库是CSS服务预置的常用主词集合,当需要查看静态主词词库时,可以单击地址https://github.com/infinilabs/analysis-ik/blob/master/config/main.dic获取词库。

    词库文件必须是UTF-8无BOM格式编码的文本文件,一行一个分词,静态主词文件最大支持100M。

    静态停词词库

    静态停词词库是CSS服务预置的常用停词集合,当需要查看静态停词词库时,可以单击地址https://github.com/infinilabs/analysis-ik/blob/master/config/stopword.dic获取词库。

    词库文件必须是UTF-8无BOM格式编码的文本文件,一行一个分词,静态停词文件最大支持100M。

    Extra主词词库

    Extra主词词库是CSS服务预置的生僻主词集合,当需要查看Extra主词词库时,可以单击地址https://github.com/infinilabs/analysis-ik/blob/master/config/extra_main.dic获取词库。

    词库文件必须是UTF-8无BOM格式编码的文本文件,一行一个分词,Extra主词文件最大支持100M。

    Extra停词词库

    Extra停词词库是CSS服务预置的生僻停词集合,当需要查看Extra停词词库时,可以单击地址https://github.com/infinilabs/analysis-ik/blob/master/config/extra_stopword.dic获取词库。

    词库文件必须是UTF-8无BOM格式编码的文本文件,一行一个分词,Extra停词文件最大支持100M。

  2. 上传词库文件至OBS桶,详细操作步骤请参见《对象存储服务用户指南》。上传的OBS桶必须和集群在相同“区域”

管理自定义词库

  1. 登录云搜索服务管理控制台。
  2. 在左侧导航栏,选择集群管理 > Elasticsearch,进入集群列表页面。
  3. “集群管理”页面,单击需要配置自定义词库的集群名称,进入集群基本信息页面。
  4. 选择“自定义词库”
  5. “自定义词库”页面,配置集群的自定义词库或修改预置词库。
    1. 当需要配置用户自定义的词库时,参考表2修改对应的词库。
      表2 配置自定义词库

      参数

      说明

      OBS桶

      选择词库文件存储的OBS位置。

      单击“创建桶”可以跳转到创建桶页面新建OBS桶,新建OBS桶必须和集群在相同“区域”,且“默认存储类别”只支持“标准存储”或“低频访问存储”。

      主词词库

      主词词库是用户自定义的词库,初始状态为空。默认选择“不更新”表示不配置该词库。

      • 当需要添加自定义的主词词库时,单击“更新”,选择txt格式的词库文件。
      • 当无需添加自定义的主词词库时,单击“不使用此词库”,删除词库。

      停词词库

      停词词库是用户自定义的词库,初始状态为空。默认选择“不更新”表示不配置该词库。

      • 当需要添加自定义的停词词库时,单击“更新”,选择txt格式的词库文件。
      • 当无需添加自定义的停词词库时,单击“不使用此词库”,删除词库。

      同义词词库

      同义词词库是用户自定义的词库,初始状态为空。默认选择“不更新”表示不配置该词库。

      • 当需要添加自定义的同义词词库时,单击“更新”,选择txt格式的词库文件。
      • 当无需添加自定义的同义词词库时,单击“不使用此词库”,删除词库。
    2. 当需要修改预置词库时,单击打开“修改预置词库”右侧的开关,参考表3修改对应的预置词库。
      说明:

      如果界面不存在静态词库和Extra词库这4个词库时,表示该集群版本不支持删除或修改这4个预置词库。如果想要使用该功能,建议升级集群版本,或者新建集群并进行数据迁移。

      表3 配置预置词库

      参数

      说明

      静态主词词库

      静态主词词库是预置的常用词语的主词库。默认选择“不更新”表示使用该预置词库。

      • 当需要修改预置的静态主词词库时,单击“更新”,选择txt格式的词库文件。
      • 当不使用静态主词库时,单击“不使用此词库”,删除词库。

      静态停词词库

      静态停词词库是预置的常用词语的停词库。默认选择“不更新”表示使用该预置词库。

      • 当需要修改预置的静态停词词库时,单击“更新”,选择txt格式的词库文件。
      • 当不使用静态停词库时,单击“不使用此词库”,删除词库。

      Extra主词词库

      Extra主词词库是预置的生僻词语的主词库。默认选择“不更新”表示使用该预置词库。

      • 当需要修改预置的Extra主词词库时,单击“更新”,选择txt格式的词库文件。
      • 当不使用Extra主词库时,单击“不使用此词库”,删除词库。

      Extra停词词库

      Extra停词词库是预置的生僻词语的Extra停词库。默认选择“不更新”表示使用该预置词库。

      • 当需要修改预置的Extra停词词库时,单击“更新”,选择txt格式的词库文件。
      • 当不使用Extra停词库时,单击“不使用此词库”,删除词库。
  6. 单击“保存”,在弹窗中单击“确定”。词库信息在下方呈现,此时词库状态为“更新中”。请耐心等待1分钟左右,当词库配置完成后,词库状态变更为“成功”
  7. 当删除或更新静态词库和Extra词库这4个词库时,需要重启集群才能使配置的词库生效;其他词库的更新为动态更新,无需重启集群。重启集群的操作指导请参见重启集群

我们使用cookie来确保您的高速浏览体验。继续浏览本站,即表示您同意我们使用cookie。 详情

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容