ElasticSearch集成IK分词器

IK分词器简介

IKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始IKAnalyzer已经推出 了3个大版本。最初，它是以开源项目Lucene为应用主体的，结合词典分词和文法分析算法的中文分词组件。新版本的IKAnalyzer3.0则发展为 面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。

IK分词器3.0的特性如下：

• 1）采用了特有的“正向迭代最细粒度切分算法“，具有60万字/秒的高速处理能力。
• 2）采用了多子处理器分析模式，支持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科学计数法），中文词汇（姓名、地名处理）等分词处理。
• 3）对中英联合支持不是很好,在这方面的处理比较麻烦.需再做一次查询,同时是支持个人词条的优化的词典存储，更小的内存占用。
• 4）支持用户词典扩展定义。
• 5）针对Lucene全文检索优化的查询分析器IKQueryParser；采用歧义分析算法优化查询关键字的搜索排列组合，能极大的提高Lucene检索的命中率。

当我们创建索引时，字段使用的是标准分词器，所以在查询的时候时常出现问题，所以下面介绍一下分词器

• Standard 标准分词：默认的，如果是英文按单词切分，并且会转化成小写，如果是中文的话，则按一个词切分。

#默认分词器测试
POST _analyze
{
 "analyzer": "standard",
 "text": "A man becomes learned by asking questions."
}

POST  _analyze
{
  "analyzer": "standard",
  "text":"我是中国人"
}

ElasticSearch集成IK分词器

IK分词器的安装

1）下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

注意：下载时一定要下载与当前ES版本一致的分词器版本，免得出现一些其他问题。

2）解压，将解压后的elasticsearch-analysis-ik-7.17.3文件夹拷贝到elasticsearch-7.17.3/plugins下，并重命名文件夹为ik。

3）重新启动ElasticSearch，即可加载IK分词器。

cd /usr/local/elasticsearch-7.17.3/bin/
#启动命令
./elasticsearch

#后台启动命令
./elasticsearch -d

IK分词器测试

IK提供了两个分词算法ik_smart 和 ik_max_word

• ik_smart：为最少切分
• ik_max_word：为最细粒度划分

我们分别来试一下：

1）最小切分：

#分词器测试ik_smart
POST  _analyze
{
    "analyzer":"ik_smart",
    "text":"我是中国人"
}

输出的结果为：

2）最细切分：

#分词器测试ik_max_word
POST _analyze
{
  "analyzer":"ik_max_word",
  "text":"我是中国人"
}

输出的结果为：