Skip to main content

扩展词和停用词

扩展词词典​

随着互联网的发展，“造词运动”也越发的频繁。出现了很多新的词语，在原有的词汇列表中并不存在。比如：“奥力给”，“白嫖” 等。

所以我们的词汇也需要不断的更新，IK分词器提供了扩展词汇的功能。

  • 打开IK分词器config目录：

扩展词

  • 在IKAnalyzer.cfg.xml配置文件内容添加：
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典 *** 添加扩展词典-->
        <entry key="ext_dict">ext.dic</entry>
</properties>
  • 新建一个 ext.dic，可以参考config目录下复制一个配置文件进行修改
白嫖
奥力给
  • 重启elasticsearch

扩展词

日志中已经成功加载ext.dic配置文件

  • 测试效果：
GET /_analyze
{
  "analyzer": "ik_max_word",
  "text": "超过90%,奥力给！"
}

停用词词典​

在互联网项目中，在网络间传输的速度很快，所以很多语言是不允许在网络上传递的，如：关于宗教、政治等敏感词语，那么我们在搜索时也应该忽略当前词汇。

IK分词器也提供了强大的停用词功能，让我们在索引时就直接忽略当前的停用词汇表中的内容。

  • IKAnalyzer.cfg.xml配置文件内容添加：
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典-->
        <entry key="ext_dict">ext.dic</entry>
         <!--用户可以在这里配置自己的扩展停止词字典  *** 添加停用词词典-->
        <entry key="ext_stopwords">stopword.dic</entry>
</properties>
  • 在 stopword.dic 添加停用词
大帅逼
  • 重启elasticsearch
GET /_analyze
{
  "analyzer": "ik_max_word",
  "text": "大帅逼都点赞白嫖,奥力给！"
}