[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

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をベースに構築されています。ICU はソフトウェアの国際化に不可欠なツールを提供しており、その単語分割アルゴリズムを使用することで、世界のほとんどの言語においてテキストを正確に単語に分割できます。

📘Notes

icu トークナイザーは、出力において句読点とスペースを個別のトークンとして保持します。例えば、"Привет! Как дела?" は ["Привет", "!", " ", "Как", " ", "дела", "?"] となります。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。

設定

icu トークナイザーを使用してアナライザーを設定するには、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 つ以上のフィルターと組み合わせて使用できます。たとえば、次のコードでは、icu トークナイザーと remove punct 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 は指定したアナライザーを使用してそのフィールドのテキストを処理し、効率的なトークン化とフィルタリングを行うことができます。詳細については、使用例 を参照してください。

Examples

アナライザー設定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。

Analyzer configuration

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"
)

# Sample text to analyze
sample_text = "Привет! Как дела?"

# Run the standard analyzer with the defined configuration
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', '?']