删除重复词元过滤器
编辑删除重复词元过滤器编辑
删除同一位置的重复词元。
remove_duplicates 过滤器使用 Lucene 的 RemoveDuplicatesTokenFilter。
示例编辑
要查看 remove_duplicates 过滤器的作用，您首先需要生成一个包含同一位置重复词元的词元流。
以下 分析 API 请求使用 keyword_repeat 和 stemmer 过滤器为 jumping dog 创建词干提取和未词干提取的词元。
response = client.indices.analyze(
body: {
tokenizer: 'whitespace',
filter: [
'keyword_repeat',
'stemmer'
],
text: 'jumping dog'
}
)
puts response
GET _analyze
{
"tokenizer": "whitespace",
"filter": [
"keyword_repeat",
"stemmer"
],
"text": "jumping dog"
}
API 返回以下响应。请注意，位置 1 中的 dog 词元是重复的。
{
"tokens": [
{
"token": "jumping",
"start_offset": 0,
"end_offset": 7,
"type": "word",
"position": 0
},
{
"token": "jump",
"start_offset": 0,
"end_offset": 7,
"type": "word",
"position": 0
},
{
"token": "dog",
"start_offset": 8,
"end_offset": 11,
"type": "word",
"position": 1
},
{
"token": "dog",
"start_offset": 8,
"end_offset": 11,
"type": "word",
"position": 1
}
]
}
要删除一个重复的 dog 词元，请将 remove_duplicates 过滤器添加到之前的分析 API 请求中。
response = client.indices.analyze(
body: {
tokenizer: 'whitespace',
filter: [
'keyword_repeat',
'stemmer',
'remove_duplicates'
],
text: 'jumping dog'
}
)
puts response
GET _analyze
{
"tokenizer": "whitespace",
"filter": [
"keyword_repeat",
"stemmer",
"remove_duplicates"
],
"text": "jumping dog"
}
API 返回以下响应。现在位置 1 中只有一个 dog 词元。
{
"tokens": [
{
"token": "jumping",
"start_offset": 0,
"end_offset": 7,
"type": "word",
"position": 0
},
{
"token": "jump",
"start_offset": 0,
"end_offset": 7,
"type": "word",
"position": 0
},
{
"token": "dog",
"start_offset": 8,
"end_offset": 11,
"type": "word",
"position": 1
}
]
}
添加到分析器编辑
以下 创建索引 API 请求使用 remove_duplicates 过滤器来配置一个新的 自定义分析器。
此自定义分析器使用 keyword_repeat 和 stemmer 过滤器为流中的每个词元创建词干提取和未词干提取的版本。然后，remove_duplicates 过滤器会删除同一位置的任何重复词元。
response = client.indices.create(
index: 'my-index-000001',
body: {
settings: {
analysis: {
analyzer: {
my_custom_analyzer: {
tokenizer: 'standard',
filter: [
'keyword_repeat',
'stemmer',
'remove_duplicates'
]
}
}
}
}
}
)
puts response
PUT my-index-000001
{
"settings": {
"analysis": {
"analyzer": {
"my_custom_analyzer": {
"tokenizer": "standard",
"filter": [
"keyword_repeat",
"stemmer",
"remove_duplicates"
]
}
}
}
}
}