English

Zilliz Cloud の english analyzer は、英語テキストを処理するために設計されており、tokenization と filtering に言語固有のルールを適用します。

定義

english analyzer は以下のコンポーネントを使用します。

• Tokenizer: standard tokenizer を使用して、テキストを個別の単語単位に分割します。

• Filters: 包括的なテキスト処理のために複数の filter を含みます。

  • lowercase: すべての token を小文字に変換し、大文字と小文字を区別しない検索を可能にします。

  • stemmer: より広い一致をサポートするために単語を語幹形に変換します（例: "running" は "run" になります）。

  • stop_words: 一般的な英語の stop words を削除し、テキスト内の重要な語に焦点を当てます。

english analyzer の機能は、次のカスタム analyzer 設定と同等です。

Python

python

analyzer_params = {
        "tokenizer": "standard",
        "filter": [
                "lowercase",
                {
                        "type": "stemmer",
                        "language": "english"
                }, {
                        "type": "stop",
                        "stop_words": "_english_"
                }
        ]
}

Java

java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "standard");
analyzerParams.put("filter",
        Arrays.asList("lowercase",
                new HashMap<String, Object>() {{
                    put("type", "stemmer");
                    put("language", "english");
                }},
                new HashMap<String, Object>() {{
                    put("type", "stop");
                    put("stop_words", Collections.singletonList("_english_"));
                }}
        )
);

NodeJS

javascript

const analyzer_params = {
    "type": "standard", // Specifies the standard analyzer type
    "stop_words", ["of"] // Optional: List of words to exclude from tokenization
}

Go

go

analyzerParams = map[string]any{"tokenizer": "standard",
        "filter": []any{"lowercase", map[string]any{
            "type":     "stemmer",
            "language": "english",
        }, map[string]any{
            "type":       "stop",
            "stop_words": "_english_",
        }}}

cURL

bash

# restful
analyzerParams='{
  "tokenizer": "standard",
  "filter": [
    "lowercase",
    {
      "type": "stemmer",
      "language": "english"
    },
    {
      "type": "stop",
      "stop_words": "_english_"
    }
  ]
}'

C++

c++

nlohmann::json analyzer_params = {
    {"tokenizer", "standard"},
    {"filter", {
        "lowercase", 
        {{"type", "stemmer"}, {"language", "english"}},
        {{"type", "stop"}, {"stop_words", "_english_"}}
    }}
};

設定

english analyzer を field に適用するには、analyzer_params で type を english に設定し、必要に応じてオプションのパラメータを含めるだけです。

Python

python

analyzer_params = {
    "type": "english",
}

Java

java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("type", "english");

NodeJS

javascript

const analyzer_params = {
    "type": "english",
}

Go

go

analyzerParams = map[string]any{"type": "english"}

cURL

bash

# restful
analyzerParams='{
  "type": "english"
}'

C++

c++

nlohmann::json analyzer_params = {
    {"type", "english"}
};

english analyzer は次のオプションパラメータを受け入れます。

Parameter	Description
stop_words	stop words のリストを含む配列で、tokenization から削除されます。デフォルトは _english_ で、一般的な英語の stop words の組み込みセットです。

カスタム stop words を使用した設定例:

Python

python

analyzer_params = {
    "type": "english",
    "stop_words": ["a", "an", "the"]
}

Java

java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("type", "english");
analyzerParams.put("stop_words", Arrays.asList("a", "an", "the"));

NodeJS

javascript

const analyzer_params = {
    "type": "english",
    "stop_words": ["a", "an", "the"]
}

Go

go

analyzerParams = map[string]any{"type": "english", "stop_words": []string{"a", "an", "the"}}

cURL

bash

# restful
analyzerParams='{
  "type": "english",
  "stop_words": [
    "a",
    "an",
    "the"
  ]
}'

C++

c++

nlohmann::json analyzer_params = {
    {"type", "english"},
    {"stop_words", {"a", "an", "the"}}
};

analyzer_params を定義した後、collection schema を定義する際にそれらを VARCHAR field に適用できます。これにより、Zilliz Cloud は効率的な tokenization と filtering のために、指定された analyzer を使用してその field 内のテキストを処理できます。詳細については、使用例 を参照してください。

例

analyzer 設定を collection schema に適用する前に、run_analyzer メソッドを使用してその動作を確認してください。

Analyzer 設定

Python

python

analyzer_params = {
    "type": "english",
    "stop_words": ["a", "an", "the"]
}

Java

java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("type", "english");
analyzerParams.put("stop_words", Arrays.asList("a", "an", "the"));

NodeJS

javascript

// javascript

Go

go

analyzerParams = map[string]any{"type": "english", "stop_words": []string{"a", "an", "the"}}

cURL

bash

# restful
analyzerParams='{
  "type": "english",
  "stop_words": [
    "a",
    "an",
    "the"
  ]
}'

C++

c++

nlohmann::json analyzer_params = {
    {"type", "english"},
    {"stop_words", {"a", "an", "the"}}
};

run_analyzer を使用した検証

Python

python

from pymilvus import (
    MilvusClient,
)

client = MilvusClient(
    uri="YOUR_CLUSTER_ENDPOINT",
    token="YOUR_CLUSTER_TOKEN"
)

# Sample text to analyze
sample_text = "Milvus is a vector database built for scale!"

# Run the standard analyzer with the defined configuration
result = client.run_analyzer(sample_text, analyzer_params)
print("English analyzer output:", result)

Java

java

import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.service.vector.request.RunAnalyzerReq;
import io.milvus.v2.service.vector.response.RunAnalyzerResp;

ConnectConfig config = ConnectConfig.builder()
        .uri("YOUR_CLUSTER_ENDPOINT")
        .token("YOUR_CLUSTER_TOKEN")
        .build();
MilvusClientV2 client = new MilvusClientV2(config);

List<String> texts = new ArrayList<>();
texts.add("Milvus is a vector database built for scale!");

RunAnalyzerResp resp = client.runAnalyzer(RunAnalyzerReq.builder()
        .texts(texts)
        .analyzerParams(analyzerParams)
        .build());
List<RunAnalyzerResp.AnalyzerResult> results = resp.getResults();

NodeJS

javascript

// javascript

Go

go

import (
    "context"
    "encoding/json"
    "fmt"

    "github.com/milvus-io/milvus/client/v2/milvusclient"
)

client, err := milvusclient.New(ctx, &milvusclient.ClientConfig{
    Address: "YOUR_CLUSTER_ENDPOINT",
    APIKey:  "YOUR_CLUSTER_TOKEN",
})
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

bs, _ := json.Marshal(analyzerParams)
texts := []string{"Milvus is a vector database built for scale!"}
option := milvusclient.NewRunAnalyzerOption(texts).
    WithAnalyzerParams(string(bs))

result, err := client.RunAnalyzer(ctx, option)
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

cURL

bash

# restful

C++

c++

#include "milvus/MilvusClientV2.h"

auto client = milvus::MilvusClientV2::Create();

milvus::ConnectParam connect_param{"YOUR_CLUSTER_ENDPOINT", "YOUR_CLUSTER_TOKEN"};
auto status = client->Connect(connect_param);
if (!status.IsOk()) {
    std::cout << status.Message() << std::endl;
}

std::string text = "Milvus is a vector database built for scale!";
auto request = milvus::RunAnalyzerRequest()
                       .AddText(text)
                       .WithAnalyzerParams(analyzer_params);

milvus::RunAnalyzerResponse response;
status = client->RunAnalyzer(request, response);
if (!status.IsOk()) {
    std::cout << status.Message() << std::endl;
}

期待される出力

python

English analyzer output: ['milvus', 'vector', 'databas', 'built', 'scale']