Link Search Menu Expand Document Documentation Menu
文档

N-gram 词元过滤器

ngram 词元过滤器是一个强大的工具，用于将文本分解为更小的组件，称为 n-gram，可以提高部分匹配和模糊搜索能力。它通过将词元拆分为指定长度的更小子字符串来工作。这些过滤器常用于搜索应用程序，以支持自动完成、部分匹配和容错性搜索。更多信息，请参阅自动完成功能和“您是否想搜…”功能。

参数

ngram 词元过滤器可以通过以下参数进行配置。

参数 必需/可选 数据类型 描述
min_gram 可选 整数 n-gram 的最小长度。默认为 1。
max_gram 可选 整数 n-gram 的最大长度。默认为 2。
preserve_original 可选 布尔型 是否保留原始词元作为输出之一。默认为 false。

示例

以下示例请求创建一个名为 ngram_example_index 的新索引，并配置一个带有 ngram 过滤器的分析器

PUT /ngram_example_index
{
  "settings": {
    "analysis": {
      "filter": {
        "ngram_filter": {
          "type": "ngram",
          "min_gram": 2,
          "max_gram": 3
        }
      },
      "analyzer": {
        "ngram_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "ngram_filter"
          ]
        }
      }
    }
  }
}

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 /ngram_example_index/_analyze
{
  "analyzer": "ngram_analyzer",
  "text": "Search"
}

响应包含生成的词元

{
  "tokens": [
    {
      "token": "se",
      "start_offset": 0,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "sea",
      "start_offset": 0,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "ea",
      "start_offset": 0,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "ear",
      "start_offset": 0,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "ar",
      "start_offset": 0,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "arc",
      "start_offset": 0,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "rc",
      "start_offset": 0,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "rch",
      "start_offset": 0,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "ch",
      "start_offset": 0,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 0
    }
  ]
}
剩余 350 字符

有问题？。

想要贡献？或。