配置自定义词库

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，如“华为”；或者根据网络流行词来查询，如“喜大普奔”。

自定义词库功能上线之前（即2018年3月10日之前）创建的集群，无法使用自定义词库功能。
自定义词库支持热更新，不需要重启集群即可生效。
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”中“对象存储服务”项目的“OBS Administrator”权限。
- 当前所属区域的“Elasticsearch Administrator”权限。
按要求在本地提前准备词库文件，详情请见上传词库文件至OBS。

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。

按表1要求准备词库文件。

表1 词库说明
词库类型	概述	文件要求
主词词库	主词为用户希望进行分词的特殊词语，如上文场景中的“智能手机”和“喜大普奔”。主词库则是这些特殊词语的集合。	UTF-8无BOM格式编码的文本文件，且文件中每一行为一个分词。若涉及单词，必须改成小写字母。主词库文件最大支持100M。
停词词库	停词为用户不希望进行分词或者关注的词语，如“的”、“什么”、“怎么”等。停词词库是停词词语的集合。	UTF-8无BOM格式编码的文本文件，且文件中每一行为一个分词。停词词库文件最大支持20M。
同义词词库	同义词为意义相同的一组词语，如“开心”和“高兴”。同义词词库是同义词词语的集合。	UTF-8无BOM格式编码的文本文件，且文件中每一行为一组同义词，同义词之间用英文逗号隔开。同义词词库文件最大支持20MB。

上传词库文件至OBS桶，详细操作步骤请参见上传文件。上传的OBS桶必须和集群所在“区域”相同。

配置自定义词库

在云搜索服务管理控制台，在左侧菜单栏选择对应的集群类型，进入集群管理页面。
在“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。
选择“自定义词库”。
在“自定义词库”页面，您可以单击开关来开启或关闭自定义词库功能。
- OBS桶：主词库、停词词库和同义词词库文件存储的OBS桶位置。如果当前没有可用OBS桶，您可以单击“创建桶”进行创建，并将词库导入OBS桶中，详细操作步骤请参见创建桶。创建的OBS桶必须和集群所在“区域”相同。
- 主词词库对象：主词词库文件必须是UTF-8无BOM格式编码的文本文件，且文件中每一行为一个分词。若涉及单词，必须改成小写字母。主词库文件最大支持100M。
- 停词词库对象：停词词库文件必须是UTF-8无BOM格式编码的文本文件，且文件中每一行为一个分词。停词词库文件最大支持20M。
- 同义词词库对象：同义词词库文件必须是UTF-8无BOM格式编码的文本文件，且文件中每一行为一组同义词，同义词之间用英文逗号隔开。同义词词库文件最大支持20MB。
图1 配置自定义词库
单击“保存”，在“确认”对话框中，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”，此时，配置的词库信息已在此集群中生效。
图2 词库信息