索拉尼语分析器
内置的 sorani 分析器可以通过以下命令应用于文本字段
PUT /sorani-index
{
"mappings": {
"properties": {
"content": {
"type": "text",
"analyzer": "sorani"
}
}
}
}
词干排除
您可以使用以下命令将 stem_exclusion 与此语言分析器一起使用
PUT index_with_stem_exclusion_sorani_analyzer
{
"settings": {
"analysis": {
"analyzer": {
"stem_exclusion_sorani_analyzer": {
"type": "sorani",
"stem_exclusion": ["مؤسسه", "اجازه"]
}
}
}
}
}
索拉尼语分析器内部
sorani 分析器由以下组件构建
-
分词器：
standard -
词元过滤器
- 规范化 (索拉尼语)
- 小写
- 十进制数字
- 停用词 (索拉尼语)
- 关键词
- 词干提取器 (索拉尼语)
自定义索拉尼语分析器
您可以使用以下命令创建自定义索拉尼语分析器
PUT /sorani-index
{
"settings": {
"analysis": {
"filter": {
"sorani_stop": {
"type": "stop",
"stopwords": "_sorani_"
},
"sorani_stemmer": {
"type": "stemmer",
"language": "sorani"
},
"sorani_keywords": {
"type": "keyword_marker",
"keywords": []
}
},
"analyzer": {
"sorani_analyzer": {
"type": "custom",
"tokenizer": "standard",
"filter": [
"lowercase",
"decimal_digit",
"sorani_stop",
"sorani_keywords",
"sorani_stemmer"
]
}
}
}
},
"mappings": {
"properties": {
"content": {
"type": "text",
"analyzer": "sorani_analyzer"
}
}
}
}
生成的词元
使用以下请求检查使用该分析器生成的词元
POST /sorani-index/_analyze
{
"field": "content",
"text": "خوێندنی فەرمی لە هەولێرەوە. ژمارەکان ١٢٣٤٥٦."
}
响应包含生成的词元
{
"tokens": [
{
"token": "خوێندن",
"start_offset": 0,
"end_offset": 7,
"type": "<ALPHANUM>",
"position": 0
},
{
"token": "فەرم",
"start_offset": 8,
"end_offset": 13,
"type": "<ALPHANUM>",
"position": 1
},
{
"token": "هەولێر",
"start_offset": 17,
"end_offset": 26,
"type": "<ALPHANUM>",
"position": 3
},
{
"token": "ژمار",
"start_offset": 28,
"end_offset": 36,
"type": "<ALPHANUM>",
"position": 4
},
{
"token": "123456",
"start_offset": 37,
"end_offset": 43,
"type": "<NUM>",
"position": 5
}
]
}