[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) のオープンソースプロジェクト上に構築されており、ソフトウェアの国際化に必要な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、トークナイザーは世界中のほとんどの言語で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、句読点とスペースを出力では個別のトークンとして保持します。たとえば、"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。

設定

icu トークナイザーを使用する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連携して動作できます。たとえば、以下のコードは icu トークナイザーと remove punct filter 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なトークナイズおよびフィルタリングのために処理できます。詳細については、使用例を参照してください。

例

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。

アナライザー設定

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"
)

# アナライズするサンプルテキスト
sample_text = "Привет! Как дела?"

# 定義された設定で標準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', '?']