Whitespace

whitespace tokenizer は、単語間にスペースがあるたびにテキストを語に分割します。

Configuration

whitespace tokenizer を使用して analyzer を構成するには、analyzer_params で tokenizer を whitespace に設定します。

Python

python

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

Java

java

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

NodeJS

javascript

const analyzer_params = {
    "tokenizer": "whitespace"
};

Go

go

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

cURL

bash

# restful
analyzerParams='{
  "tokenizer": "whitespace"
}'

C++

c++

nlohmann::json analyzer_params = {
    {"tokenizer", "whitespace"}
};

whitespace tokenizer は、1 つ以上の filter と組み合わせて動作させることができます。たとえば、次のコードは whitespace tokenizer と lowercase filter を使用する analyzer を定義しています。

Python

python

analyzer_params = {
    "tokenizer": "whitespace",
    "filter": ["lowercase"]
}

Java

java

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

NodeJS

javascript

const analyzer_params = {
    "tokenizer": "whitespace",
    "filter": ["lowercase"]
};

Go

go

analyzerParams = map[string]any{"tokenizer": "whitespace", "filter": []any{"lowercase"}}

cURL

bash

# restful
analyzerParams='{
  "tokenizer": "whitespace",
  "filter": [
    "lowercase"
  ]
}'

C++

c++

nlohmann::json analyzer_params = {
    {"tokenizer", "whitespace"},
    {"filter", {"lowercase"}}
};

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

Examples

analyzer 構成を 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検証してください。

Analyzer configuration

Python

python

analyzer_params = {
    "tokenizer": "whitespace",
    "filter": ["lowercase"]
}

Java

java

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

NodeJS

javascript

// javascript

Go

go

analyzerParams = map[string]any{"tokenizer": "whitespace", "filter": []any{"lowercase"}}

cURL

bash

# restful

C++

c++

nlohmann::json analyzer_params = {
    {"tokenizer", "whitespace"},
    {"filter", {"lowercase"}}
};

Verification using run_analyzer

Python

python

from pymilvus import (
    MilvusClient,
)

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

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

# Run the standard analyzer with the defined configuration
result = client.run_analyzer(sample_text, analyzer_params)
print("Standard 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("The Milvus vector database is 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{"The Milvus vector database is 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 = "The Milvus vector database is 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;
}

Expected output

sql

['the', 'milvus', 'vector', 'database', 'is', 'built', 'for', 'scale!']