[説明] このページは機械翻訳された日本語版です。内容に誤りがございましたら、報告していただけると助かります。

ICU

Contact Sales to Enable BYOC

icuトークナイザーは、Internationalization Components of Unicode（ICU）オープンソースプロジェクトに基づいて構築されており、ソフトウェアの国際化のための主要ツールを提供します。ICUの語句分割アルゴリズムを使用することで、このトークナイザーは世界中の多数の言語のテキストを正確に単語に分割できます。

📘注意

icuトークナイザーは、句読点記号とスペースを出力内の独立したトークンとして保持します。例えば、"Привет! Как дела?"は["Привет", "!", " ", "Как", " ", "дела", "?"]になります。これらの独立した句読点トークンを削除するには、removepunctフィルターを使用してください。

構成

icuトークナイザーを使用したアナライザーを構成するには、analyzer_paramsでtokenizerをicuに設定します。

Python

analyzer_params = {
    "tokenizer": "icu",
}

Java

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

NodeJS

// node

Go

analyzerParams = map[string]any{"tokenizer": "icu"}

cURL

# curl

icuトークナイザーは、1つまたは複数のフィルターと連携して動作できます。例えば、以下のコードはicuトークナイザーと句読点削除フィルターを使用するアナライザーを定義しています。

Python

analyzer_params = {
    "tokenizer": "icu",
    "filter": ["removepunct"]
}

Java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "icu");
analyzerParams.put("filter", Collections.singletonList("removepunct"));

NodeJS

// node

Go

analyzerParams = map[string]any{"tokenizer": "icu", "filter": []string{"removepunct"}}

cURL

# curl

analyzer_paramsを定義した後、コレクションスキーマを定義する際にVARCHARフィールドに適用できます。これにより、Zilliz Cloudは、指定されたアナライザーを使用してそのフィールド内のテキストを効率的にトークン化およびフィルタリング処理できます。詳細については、使用例を参照してください。

例

コレクションスキーマにアナライザー構成を適用する前に、run_analyzerメソッドを使用してその動作を検証してください。

アナライザー構成

Python

analyzer_params = {
    "tokenizer": "icu",
}

Java

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

NodeJS

// node

Go

analyzerParams = map[string]any{"tokenizer": "icu"}

cURL

# curl

run_analyzerを使用した検証

Python

from pymilvus import (
    MilvusClient,
)

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

# 解析するサンプルテキスト
sample_text = "Привет! Как дела?"

# 定義された構成でstandardアナライザーを実行
result = client.run_analyzer(sample_text, analyzer_params)
print("Standard analyzer output:", result)

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("Привет! Как дела?");

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

NodeJS

// javascript

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{"Привет! Как дела?"}
option := milvusclient.NewRunAnalyzerOption(texts).
    WithAnalyzerParams(string(bs))

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

cURL

# restful

期待される出力

['Привет', '!', ' ', 'Как', ' ', 'дела', '?']