Elasticsearch給IK分詞器添加自定義詞匯

案例

對 汽車改裝鯊魚鰭 這句進行分詞

GET /_analyze
{
  "analyzer": "ik_smart",
  "text": ["汽車改裝鯊魚鰭"]
}

結果如下：

{
  "tokens" : [
    {
      "token" : "汽車",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "改裝",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "鯊",
      "start_offset" : 4,
      "end_offset" : 5,
      "type" : "CN_CHAR",
      "position" : 2
    },
    {
      "token" : "魚鰭",
      "start_offset" : 5,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 3
    }
  ]
}

可見，鯊魚鰭被分成了鯊、魚鰭，現在我們需要鯊魚鰭這三個字不要拆分，就得添加自定義詞匯。

步驟

進入IK配置目錄（我這邊是docker環境，步驟基本一樣）

docker exec -it es /bin/bash
cd plugins/ik/config/

創建自定義分詞文件

touch myDict.dic
vi myDict.dic
加上鯊魚鰭這三個字，保存退出

讓IK分詞器識別自定義文件

vi IKAnalyzer.cfg.xml
在這里加上之前創建的分詞文件名，然后保存退出

重啟ElasticSearch服務，再次測試，結果如下

{
  "tokens" : [
    {
      "token" : "汽車",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "改裝",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "鯊魚鰭",
      "start_offset" : 4,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 2
    }
  ]
}

這樣就說明配置生效了。