中国語

chinese アナライザーは、中国語のテキストを処理するために特化して設計されており、効果的なセグメンテーションとトークン化を提供します。

定義

chinese アナライザーは、次の要素で構成されています：

• トークナイザー: jieba トークナイザーを使用して、語彙とコンテキストに基づいて中国語のテキストをトークンに分割します。詳細については、Jieba を参照してください。

• フィルター: cnalphanumonly フィルターを使用して、中国語の文字、英字、数字以外の文字を含むトークンを削除します。詳細については、Cnalphanumonly を参照してください。

chinese アナライザーの機能は、次のカスタムアナライザー構成と同等です：

📘Notes

組み込みの chinese アナライザーは、Pinyin トークンを出力しません。中国語のテキストを Pinyin のクエリ用語で照合するには、jieba トークナイザーと pinyin フィルターを組み合わせたカスタムアナライザーを使用してください。

Python

python

analyzer_params = {
    "tokenizer": "jieba",
    "filter": ["cnalphanumonly"]
}

Java

java

import java.util.Collections;
import java.util.HashMap;
import java.util.Map;

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

Go

go

analyzerParams := map[string]any{"tokenizer": "jieba", "filter": []any{"cnalphanumonly"}}

Rust

rust

use serde_json::json;

let analyzer_params = json!({
    "tokenizer": "jieba",
    "filter": ["cnalphanumonly"]
});

C++

cpp

nlohmann::json analyzer_params = {
    {"tokenizer", "jieba"},
    {"filter", {"cnalphanumonly"}}
};

NodeJS

javascript

const analyzer_params = {
    "tokenizer": "jieba",
    "filter": ["cnalphanumonly"]
};

CSharp

csharp

using System.Collections.Generic;

var analyzerParams = new Dictionary<string, object>
{
    ["tokenizer"] = "jieba",
    ["filter"] = new[] { "cnalphanumonly" }
};

cURL

bash

# restful
analyzerParams='{
  "tokenizer": "jieba",
  "filter": [
    "cnalphanumonly"
  ]
}'

構成

chinese アナライザーをフィールドに適用するには、analyzer_params で type を chinese に設定するだけです。

Python

python

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

Java

java

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

Go

go

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

Rust

rust

use serde_json::json;

let analyzer_params = json!({
    "type": "chinese"
});

C++

cpp

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

NodeJS

javascript

const analyzer_params = {
    "type": "chinese",
};

CSharp

csharp

var analyzerParams = new Dictionary<string, object>
{
    ["type"] = "chinese"
};

cURL

bash

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

📘Notes

chinese アナライザーは、オプションのパラメーターを受け付けません。

例

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

アナライザー構成

Python

python

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

Java

java

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

Go

go

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

Rust

rust

use serde_json::json;

let analyzer_params = json!({
    "type": "chinese"
});

C++

cpp

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

NodeJS

javascript

const analyzer_params = {
    "type": "chinese",
};

CSharp

csharp

var analyzerParams = new Dictionary<string, object>
{
    ["type"] = "chinese"
};

cURL

bash

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

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 是一个高性能、可扩展的向量数据库！"

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

Java

java

import java.util.*;
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 是一个高性能、可扩展的向量数据库！");

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

for (RunAnalyzerResp.AnalyzerResult result : results) {
    for (RunAnalyzerResp.AnalyzerToken token : result.getTokens()) {
        System.out.println("Chinese analyzer output: " + token.getToken());
    }
}

Go

go

import (
    "context"
    "fmt"

    "github.com/milvus-io/milvus/client/v3/milvusclient"
)

ctx := context.Background()

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

texts := []string{"Milvus 是一个高性能、可扩展的向量数据库！"}
option := milvusclient.NewRunAnalyzerOption(texts...).
    WithAnalyzerParams(analyzerParams)

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

for _, r := range result {
    for _, token := range r.Tokens {
        fmt.Println("Chinese analyzer output:", token.Text)
    }
}

Rust

rust

use milvus::v2::prelude::*;

let config = ConnectConfig::new().uri("YOUR_CLUSTER_ENDPOINT").token("YOUR_CLUSTER_TOKEN");
let client = ClientV2::new(&config).await?;

let response = client
    .run_analyzer(
        RunAnalyzerRequest::builder()
            .texts(["Milvus 是一个高性能、可扩展的向量数据库！"])
            .analyzer_params(analyzer_params)
            .build()?,
    )
    .await?;

for result in response.results() {
    for token in result.get_tokens() {
        println!("Chinese analyzer output: {}", token.get_text());
    }
}

C++

cpp

#include "milvus/MilvusClientV2.h"
#include <iostream>
#include <string>

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 是一个高性能、可扩展的向量数据库！";
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;
}

for (const auto& result : response.Results()) {
    for (const auto& token : result.Tokens()) {
        std::cout << "Chinese analyzer output: " << token.token_ << std::endl;
    }
}

NodeJS

javascript

import { MilvusClient } from '@zilliz/milvus2-sdk-node';

const client = new MilvusClient({
  address: 'YOUR_CLUSTER_ENDPOINT',
  token: 'YOUR_CLUSTER_TOKEN',
});

const sample_text = 'Milvus 是一个高性能、可扩展的向量数据库！';
const result = await client.runAnalyzer({
  text: sample_text,
  analyzer_params,
});
const tokens = result.results.flatMap(r => r.tokens.map(t => t.token));
console.log('Chinese analyzer output:', tokens);

CSharp

csharp

using Milvus.Client.V2;
using Milvus.Client.V2.Requests.Utility;
using Milvus.Client.V2.Responses.Utility;
using Milvus.Client.V2.Types;

using var client = new MilvusClientV2(new ConnectConfig
{
    Uri = "YOUR_CLUSTER_ENDPOINT",
    ApiKey = "YOUR_CLUSTER_TOKEN"
});
await client.ConnectAsync();

// Sample text to analyze
var sampleText = "Milvus 是一个高性能、可扩展的向量数据库！";

// Run the chinese analyzer with the defined configuration
RunAnalyzerResp result = await client.RunAnalyzerAsync(new RunAnalyzerReq
{
    AnalyzerParams = analyzerParams,
    Texts = new[] { sampleText }
});

foreach (AnalyzerResult r in result.Results)
{
    foreach (AnalyzerToken t in r.Tokens)
    {
        Console.WriteLine($"Chinese analyzer output: {t.Token}");
    }
}

cURL

bash

curl --request POST \
  --url "YOUR_CLUSTER_ENDPOINT/v2/vectordb/common/run_analyzer" \
  --header "Authorization: Bearer YOUR_CLUSTER_TOKEN" \
  --header "Content-Type: application/json" \
  --data-raw '{
    "analyzerParams": "{\"type\": \"chinese\"}",
    "text": ["Milvus 是一个高性能、可扩展的向量数据库！"]
  }'

期待される出力

サンプルテキストに対して、アナライザーは次のトークンを順番に生成します。SDK のレスポンスオブジェクトと出力の書式は言語によって異なります。REST レスポンスでは、これらのトークンは data.results[].tokens[].token に含まれます。

plaintext

['Milvus', '是', '一个', '高性', '性能', '高性能', '可', '扩展', '的', '向量', '数据', '据库', '数据库']