Analyzer huandaa maandishi kwa utafutaji vipi?

Question

IT Interview Practice · Accepted Answer

Analyzer huandaa maandishi kwa kutafuta kwa kuyageuza kuwa token: vipande, mara nyingi maneno, vinavyoweza kulinganishwa baadaye. ## Tazama kila mabadiliko Kwa pipeline iliyosanidiwa kuondoa HTML, kugawa maneno na kufanya herufi ndogo: ```text Blue Shoes -> Blue Shoes -> [Blue, Shoes] -> [blue, shoes] ``` - Character filter huondoa HTML kabla ya kugawa. - Tokenizer hugawa maandishi kuwa maneno. - Token filter hufanya maneno hayo herufi ndogo. Token za mwisho zinaeleza kwa nini `shoes` yenye herufi ndogo inaweza kulingana na input ya mwanzo. Huu ni mfano maalumu; si kila analyzer huondoa HTML. ## Chunguza badala ya kubahatisha Katika Kibana Dev Tools, ombi hili huonyesha token za pipeline: ```http POST /_analyze { "char_filter": ["html_strip"], "tokenizer": "standard", "filter": ["lowercase"], "text": "Blue Shoes" } ``` Tafuta `blue` na `shoes` kwenye token zilizorudishwa. Kisha pima lafudhi, lugha na code za bidhaa halisi. Analysis ya wakati wa indexing huandaa term zilizohifadhiwa; ya wakati wa kutafuta huandaa query za watumiaji. Zinahitaji term zinazopatana hata pipeline zikiwa tofauti. [Nyaraka rasmi](https://www.elastic.co/docs/manage-data/data-store/text-analysis).

Tazama kila mabadiliko

Chunguza badala ya kubahatisha

Maswali yanayohusiana